geo-sleuth помогает ИИ-агенту выяснить, где сделали фотографию, даже если в кадре нет табличек и узнаваемых зданий. Вы передаёте снимок и просите найти место съёмки; агент сопоставляет видимые детали с картами, рельефом и спутниковыми изображениями. Вместо одного названия города проект предлагает координаты, направление камеры и изображение, на котором можно проверить вывод.
Как geo-sleuth сопоставляет снимок с местностью
geo-sleuth — навык агента, или Agent Skill. Это папка с инструкцией для агента и Python-скриптами, которые он запускает во время поиска. Подробнее о таком формате мы рассказываем в материале про навыки для Claude и других агентов. Это не отдельное приложение, куда вы загружаете фото через сайт.
По README навык использует геометрию OpenStreetMap — открытой карты с дорогами, мостами и другими объектами. Скрипты также сравнивают линию гор на фото с данными о высоте местности, обращаются к спутниковым изображениям и проверяют уличные панорамы. Например, расстояния между опорами моста помогают оценить, насколько далеко он находится, а очертание хребта — отсеять места с похожим мостом, но другим горизонтом.
Работа поделена между скриптами и моделью: около двадцати скриптов ищут и ранжируют варианты, а агент разбирает наиболее подходящие. По описанному в README правилу вывод должен ссылаться на команду, запущенную в ходе поиска, и полученный файл. Вместе с координатами навык выдаёт направление, в котором смотрела камера, оценку погрешности и степень уверенности. Это позволяет увидеть ход поиска, но не гарантирует точность каждого нового результата.
GPS-данные в примерах проекта отсутствовали. Суть инструмента как раз в том, чтобы искать по содержимому кадра: мостам, опорам линий электропередачи, теням, деревьям и силуэтам гор. Обратный поиск картинки, который пытается найти такую же фотографию в интернете, не служит здесь единственным способом определить место.
Три фотографии из README: мост, пустыня и улица
В первом примере на снимке — рисовое поле, железнодорожный виадук и гора. Надписей нет, а данные о месте съёмки из файла удалены. Агент отобрал железнодорожные мосты на OpenStreetMap, сравнил горный горизонт с данными о рельефе и затем проверил расстояния между 17 опорами. Автор сообщает результат с погрешностью ±2 м в Цинъюане, провинция Гуандун. Весь описанный запуск занял около 72 минут, примерно половина времени ушла на ожидание вычислений.
На другом фото видны дюна, горы и несколько опор линии электропередачи. В README показано, почему первая проверка горизонта не дала уверенного ответа: телефон был наклонён примерно на один градус, и ошибка менялась от одного края кадра к другому. После учёта наклона агент выделил один участок и проверил его по спутниковому изображению. При повторном запуске с подсказкой, что фото сделано в Китае, он нашёл точку в 87 м от подтверждённого места за 32 минуты.
Третий случай — цветущая вишня на улице Ванкувера. Агент использовал городские открытые данные о деревьях: породу, толщину ствола и адрес. Затем сопоставил тени, уклон улицы, расположение взрослых деревьев и саженцев с уличными панорамами. По словам автора, повторный запуск без подсказки закончился в 3 м от подтверждённой точки за 53 минуты. Это результаты отдельных примеров из README, а не обещание той же точности для любого вашего снимка.
Кому пригодится поиск места по фото
Навык подойдёт вам, если вы уже работаете с Claude Code и хотите поручать агенту разбор фотографий, а не вручную просматривать карту. Конкретная задача — найти место по виду моста и горы, когда на снимке нет ни адреса, ни названия. При этом придётся дождаться работы скриптов и проверить приложенные доказательства: приведённые автором запуски занимали десятки минут.
Другой сценарий — исследование местности по нескольким источникам. Допустим, в кадре видны опоры линии электропередачи или характерные деревья вдоль улицы. geo-sleuth помогает свести такие признаки с картой, данными о высотах, спутниковым снимком или уличной панорамой. Он полезен тем, кто готов разбирать промежуточные результаты ИИ-агента, а не принимать координаты без проверки.
Если место уже записано в GPS-данных фотографии, такой поиск вам, скорее всего, не нужен. Не стоит устанавливать навык и ради мгновенного ответа на каждый снимок: примеры в README показывают длительные запуски, а возможность проверить вывод зависит от того, какие признаки и данные удалось сопоставить.
Установка geo-sleuth и первый запрос агенту
В README предложен быстрый способ установки. Запустите команду ниже и выберите своих агентов, когда появится запрос:
npx skills add Oldcircle/geo-sleuthЕсли хотите установить навык сразу для всех шести перечисленных в README агентов на уровне пользователя, автор приводит отдельную команду:
npx skills add Oldcircle/geo-sleuth -g -a claude-code -a codex -a cursor -a gemini-cli -a opencode -a github-copilot -yПосле установки передайте агенту фотографию и напишите запрос из README:
find where this photo was taken
По-русски это означает «найди, где сделана эта фотография». На первом запуске README советует попросить агента запустить проверочный файл из папки установленного навыка и разобраться с проверками, которые завершились неудачно:
doctor.py
scripts/README не даёт отдельной команды запуска этой проверки, поэтому подставлять свою не будем. Если предпочитаете копировать файлы вручную, в репозитории приведён такой вариант:
git clone https://github.com/Oldcircle/geo-sleuth
mkdir -p ~/.agents/skills ~/.claude/skills
cp -r geo-sleuth/skills/geo-sleuth ~/.agents/skills/ # Codex, Cursor, Gemini CLI, OpenCode, GitHub Copilot
ln -s ~/.agents/skills/geo-sleuth ~/.claude/skills/geo-sleuth # Claude CodeВ ручном варианте пять агентов читают общую копию навыка, а для Claude Code создаётся символическая ссылка. Если вы пользуетесь только одним агентом, нет необходимости ставить навык для всех шести: быстрый способ позволяет выбрать нужных при установке.
Что проверить перед передачей снимка агенту
geo-sleuth создан 18 сентября 2026 года; на момент обзора последний коммит датирован 14 октября 2026 года, у репозитория 2729 звёзд и 354 форка. Лицензия — MIT, основной язык — Python. Проект новый: количество звёзд показывает интерес к репозиторию, но не подтверждает точность поиска на ваших фотографиях.
Для предложенной установки нужна среда, в которой доступна команда из README с npx; для работы навыка агент должен читать его инструкцию и запускать Python-скрипты и команды оболочки. В доступной части README нет перечня версий Python и других зависимостей, а также точных условий доступа к внешним источникам данных. Поэтому после установки важно выполнить рекомендованную автором проверку, а не предполагать, что всё уже настроено.
Навык получает вашу фотографию, запускает команды и работает с файлами результатов. Учитывайте это, прежде чем передавать агенту личный снимок или давать ему доступ к рабочей папке. Если вам нужны только готовые координаты без проверки хода поиска, geo-sleuth может оказаться слишком трудоёмким; его сильная сторона по описанию автора — возможность проследить, на каких совпадениях основан ответ.
Источник: репозиторий Oldcircle/geo-sleuth на GitHub.