在日常生活和开源情报（OSINT）领域，通过一张毫无标记的照片找出其确切拍摄位置，一直是一项让人着迷的技能。过去，这项任务需要专业的地理侦探（Geo-guessers）通过比对路灯形状、土壤颜色、天际线甚至太阳角度来逐一排查。
随着 AI 大语言模型的崛起，已经有不少基于纯视觉大语言模型（Vision Model）的 AI 图片地理定位工具，例如 GeoSpy、GeoCLIP、EarthKit 等，这些工具会分析建筑、道路、植被、地形等视觉特征，直接预测照片最可能出现的国家、城市甚至坐标。在《AI 识别照片拍摄地点工具汇总》中对这些工具有过汇总。
但是，这些纯视觉大语言模型存在缺乏可解释性、容易产生幻觉，且对无特征的自然风光力不从心。
最近有个开源项目 Geo-Sleuth 走了一条完全不同的路线：它不是简单地让 AI“凭感觉猜”，而是让 AI Agent 像真正的 OSINT 调查员一样，去拆解、推理、调取开源数据并交叉验证。