没有 GPS 坐标、没有门牌路标、没有车牌文字，甚至照片里只有光秃秃的山峰或几座高架桥墩，AI 也能把你的拍摄位置精确锁定在 2 米以内。 别再以为抹掉手机照片的 EXIF 信息就绝对安全了——开源社区刚出的这个项目，把网络地理侦探（OSINT，利用公开信息情报搜集）那一套复杂的物理与空间几何推理，全做成了 AI Agent 的自动化工作流。 这个项目叫 geo-sleuth，是一个专为 AI Agent（如 Claude Code、Cursor、Gemini CLI 等）打造的开源地理定位技能包（Agent Skill）。它适合对开源情报、AI 自动化调查感兴趣的技术爱好者，或者想了解“一张照片到底能泄露多少隐私”的普通人。 它不是靠大模型在那里凭空胡猜，也不是单纯依赖传统的以图搜图，核心能力主要体现在这几项硬核机制上： ✅ 山脊线 3D 拟合（天际线指纹）： 即使画面里只有荒漠和山峰，它能自动提取照片中的山脊轮廓，调取全球数字高程数据比对 3D 视角；甚至能主动算出你拍照时手机微微倾斜的 1° 视角偏差，把原本排在第 9 名的真实地点纠偏锁定到第一名。 ✅ 拿画面里的结构物当“物理标尺”： 在没有参照物的情况下，把画面中等距排列的铁路桥墩、电线杆当作尺子，通过透视投影反推拍摄者到目标的精确距离和方位角。 ✅ 太阳与阴影反推： 分析物体的阴影落向与受光面，推算拍摄地的大致纬度区间、拍摄时段以及街道朝向。 ✅ 多源公开数据交叉过滤： 直接调用 OpenStreetMap（开源地图）的实时数据（如带电铁路段、高压线走廊），结合卫星切片做 CLIP 视觉打分、调用街景做特征匹配，从几万个疑似点逐步收敛至唯一点。 ✅ 脚本负责硬算，模型负责裁判： 内置了 20 多个单一用途的 Python 脚本专门做空间计算、数据拉取和排序过滤，大模型只在最后几个高分候选项中做综合研判，所有结论都必须有对应的本地运算数据支撑，不给 AI 瞎编的空间。 看完它的实测推导过程，最大的感受是惊艳但也伴随着一丝警惕：在数字高程和空间几何面前，只要画面里露出了连绵的山脉、电线杆或甚至路旁树木的间距，数学就能推导出你的立足点。以后在公开社交平台晒日常风景原图，真的得更加小心了。