归藏的 Agent Skill:把代码库的最近更新做成一支成片宣传片——接真实组件、代码渲染动画、代码写配乐,全程不碰视频剪辑软件。
- agent-skill
- video
- promo
- marketing
一个给「图里没有任何文字线索」的照片做地理定位的 Agent Skill——用 OSM 几何、高程天际线与卫星瓦片,把「这是哪」变成带误差半径的测量答案。
geo-sleuth 是标准形态的 Agent Skill(一个 SKILL.md 加约 20 个单一职责的 Python 脚本):脚本负责搜索、打分与排序,模型只在头几名里做判断。它专治图里没有文字、没有车牌、没有地标的照片——OpenStreetMap 几何、高程数据、卫星瓦片和街景自己撑起整场搜索。README 的展示案例是一张抹掉 EXIF 的稻田铁路桥手机照:桥墩间距当测距尺,27,335 段 OSM 铁路桥筛到 171 个候选点,14,372 个天际线拟合位置收敛到 22 个,再经叠加比对与 17 根桥墩的方位线交会,把机位钉到 ±2 米——全程约 72 分钟。每个结论必须指名跑过的命令与产出的文件;答案带坐标 ± 误差半径、相机朝向、卫星证据图与分级置信度。MIT,Python 3.10+,同一文件夹可在 Claude Code、Codex、Cursor、Gemini CLI、OpenCode 与 GitHub Copilot 里运行。
单张照片的定位级取证——核实一张照片的真实拍摄地、为研究或报道追踪景观,或者训练 agent 打一场每步都要落到文件的长时间多步证据战。
npx skills add Oldcircle/geo-sleuth # 按提示选择要接入的 agent;或一条命令装满六个(用户级): npx skills add Oldcircle/geo-sleuth -g -a claude-code -a codex -a cursor -a gemini-cli -a opencode -a github-copilot -y # 需要 Python 3.10+;装完只需一句: # 找出这张照片的拍摄地
跑起来很慢:展示案例全程约 72 分钟,其中约一半在算。测距依赖明示的假设(案例假设桥墩跨距 32 米),OSM 或高程数据稀疏的地区精度会下降——答案带误差半径正是为此。地理定位是双刃剑:从照片定位个人或敏感设施可能造成真实伤害,请只用于合法目标。MIT。
收录日期
归藏的 Agent Skill:把代码库的最近更新做成一支成片宣传片——接真实组件、代码渲染动画、代码写配乐,全程不碰视频剪辑软件。
让 AI 编码 agent 在动第一行代码之前先画出架构、声明影响范围的 skill——成果是一张可直接打开的独立 HTML 架构地图。
Anthropic 官方 K-12 教学 skills——备课、分层教学、课前准备与形成性检测,附评测框架。