geo-sleuth sporet et bilde uten ett eneste tegn ned til to meters nøyaktighet

«Kjør den på dine egne bilder, eller bilder du har tillatelse til å analysere, aldri for å finne folk som ikke har sagt ja til å bli funnet.» Den siste linjen i README-en sier mest om hva geo-sleuth faktisk er. Prosjektet, lagt ut på GitHub av Oldcircle 18. september under MIT-lisens, er en Agent Skill som finner ut hvor et fotografi er tatt og dokumenterer hvert steg underveis.

Eksempelet i README-en er et mobilbilde med EXIF-dataene fjernet: en hvit ovn i kanten av en høstet rismark, en lang viadukt i det fjerne, et bratt fjell til høyre. Ikke ett eneste tegn i bildet. Agenten leste mastene på viadukten som kjøreledning, brukte pilaravstanden på antatte 32 meter som målestokk, og hentet så alle jernbanebroer i regionen fra OpenStreetMap: 27 335 segmenter. Den prøvde et punkt for hver 400 meter, regnet ut horisonten fra høydedata og satt igjen med 171 steder. Deretter 14 372 kameraposisjoner, 22 kandidater, tre skylinjer tegnet tilbake på bildet, og til slutt én posisjon med to meters feilmargin. Hele kjøringen tok rundt 72 minutter, omtrent halvparten av det ventetid på beregning.

Arbeidsdelingen er poenget. Skriptene søker, scorer og sorterer; modellen velger bare blant de øverste få. board.py holder et kandidatbrett med ledetråder, sannsynlighetsforhold og utelukkelser, og hver konklusjon må peke på en kommando som faktisk kjørte i økten og fila den produserte. Folketall og kjendisfaktor teller ikke som bevis. Verktøykassa dekker EXIF, OCR på både hele bildet og utsnitt, omvendt bildesøk på Baidu og Yandex, sol- og skyggeberegning, OSM Overpass-spørringer, CLIP-scoring av satellittruter og DINOv2-matching mot gatebilder.

Formatet er en vanlig skill-mappe med SKILL.md, scripts/, references/ og data/, og den samme mappa kjører i Claude Code, Codex, Cursor, Gemini CLI, OpenCode og GitHub Copilot. Det som mangler, er et tall: veikartet lister et offentlig blindtestsett med ukjente bilder og en ende-til-ende-treffsikkerhet som en oppgave som ikke er gjort. Casen i README-en er én vellykket kjøring, ikke en målt treffrate. Repoet hadde 225 stjerner tre dager etter at det ble lagt ut, og siste push var 21. september.

Hva bør du gjøre?

1. Installer med npx skills add Oldcircle/geo-sleuth og velg agentene dine i dialogen. Vil du ha alle seks samtidig, tar flagget -g og en liste med -a hele jobben i én kommando.
2. Sjekk forutsetningene: Python 3.10+, uv og en agent som kan kjøre shell-kommandoer. Hvert skript oppgir sine egne avhengigheter, og uv run henter dem første gang. Google Chrome trengs bare til omvendt bildesøk.
3. Start hver sak med intake.py. Den kjører metadata, kantutsnitt, varianter, OCR og omvendt søk i én kommando og skriver resultatet til intake.md, så kandidatbrettet har noe å jobbe med.