[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-atiilla--GeoIntel":3,"tool-atiilla--GeoIntel":64},[4,18,26,35,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107888,2,"2026-04-06T11:32:50",[14,15,13],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":10,"last_commit_at":41,"category_tags":42,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[43,15,13,14],"语言模型",{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"status":17},4292,"Deep-Live-Cam","hacksider\u002FDeep-Live-Cam","Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。\n\n这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。\n\n其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。",88924,"2026-04-06T03:28:53",[14,15,13,52],"视频",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",85013,"2026-04-06T11:09:19",[15,16,52,61,13,62,43,14,63],"插件","其他","音频",{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":77,"owner_avatar_url":78,"owner_bio":79,"owner_company":80,"owner_location":81,"owner_email":82,"owner_twitter":82,"owner_website":83,"owner_url":84,"languages":85,"stars":98,"forks":99,"last_commit_at":100,"license":101,"difficulty_score":32,"env_os":102,"env_gpu":103,"env_ram":104,"env_deps":105,"category_tags":111,"github_topics":112,"view_count":32,"oss_zip_url":82,"oss_zip_packed_at":82,"status":17,"created_at":116,"updated_at":117,"faqs":118,"releases":119},5051,"atiilla\u002FGeoIntel","GeoIntel","GeoIntel using Google's Gemini API to uncover the location where photos were taken through AI-powered geo-location analysis.","GeoIntel 是一款基于人工智能的图像地理位置分析工具，旨在帮助用户通过照片内容推断其拍摄地点。它利用 Google 强大的 Gemini API，深入分析图像中的视觉线索（如建筑风格、植被特征、路牌文字等），从而生成包含国家、城市及具体坐标的定位预测，并提供详细的推理过程与置信度评估。\n\n这款工具主要解决了传统元数据缺失时难以确定照片来源的痛点，为数字取证、内容验证及地理信息研究提供了高效的技术手段。GeoIntel 非常适合开发者、研究人员以及对开源技术感兴趣的用户使用。开发者可以通过 Python SDK 或命令行接口将其集成到现有工作流中；研究人员可利用其进行教育探索或数据分析；普通用户也能通过其内置的现代化 Web 界面，以拖拽方式轻松完成分析并查看交互式 3D 地图结果。\n\n其独特亮点在于不仅输出经纬度坐标，还能生成可点击的 Google 地图链接，并支持用户输入额外背景信息或初步猜测以优化分析精度。所有结果均可导出为结构化 JSON 格式，便于后续处理。需要注意的是，GeoIntel 定位为教育与研究辅助工具，预测结果仅供参考，使用时请严格遵守隐私保护原则，切勿用于侵","GeoIntel 是一款基于人工智能的图像地理位置分析工具，旨在帮助用户通过照片内容推断其拍摄地点。它利用 Google 强大的 Gemini API，深入分析图像中的视觉线索（如建筑风格、植被特征、路牌文字等），从而生成包含国家、城市及具体坐标的定位预测，并提供详细的推理过程与置信度评估。\n\n这款工具主要解决了传统元数据缺失时难以确定照片来源的痛点，为数字取证、内容验证及地理信息研究提供了高效的技术手段。GeoIntel 非常适合开发者、研究人员以及对开源技术感兴趣的用户使用。开发者可以通过 Python SDK 或命令行接口将其集成到现有工作流中；研究人员可利用其进行教育探索或数据分析；普通用户也能通过其内置的现代化 Web 界面，以拖拽方式轻松完成分析并查看交互式 3D 地图结果。\n\n其独特亮点在于不仅输出经纬度坐标，还能生成可点击的 Google 地图链接，并支持用户输入额外背景信息或初步猜测以优化分析精度。所有结果均可导出为结构化 JSON 格式，便于后续处理。需要注意的是，GeoIntel 定位为教育与研究辅助工具，预测结果仅供参考，使用时请严格遵守隐私保护原则，切勿用于侵犯他人权益的用途。","# GeoIntel\n\n![PyPI - Version](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fgeointel?style=flat)\n\n\nPython tool using Google's Gemini API to uncover the location where photos were taken through AI-powered geo-location analysis.\n\n## Installation\n\n```bash\n# Basic installation\npip install geointel\n```\n\n## Usage\n\n### Web Interface (NEW!)\n\nLaunch the interactive web interface with a modern UI:\n\n```bash\n- Standard:\n$ geointel --web\n\n- Custom host and port:\n$ geointel --web --host 0.0.0.0 --port 4000 \n```\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fatiilla_GeoIntel_readme_9fc582d8a8ba.jpg\" alt=\"GeoIntel Web Interface\">\n\nThen open your browser to `http:\u002F\u002F127.0.0.1:5000`\n\nFeatures:\n- Drag-and-drop image upload\n- In-browser API key configuration\n- Interactive 3D Google Maps\n- Real-time AI analysis with detailed explanations\n\n### Command Line Interface\n\n```bash\ngeointel --image path\u002Fto\u002Fyour\u002Fimage.jpg\n```\n\n[![asciicast](https:\u002F\u002Fasciinema.org\u002Fa\u002FI6NqhIr6QkBWaaHNjSlieId5s.svg)](https:\u002F\u002Fasciinema.org\u002Fa\u002FI6NqhIr6QkBWaaHNjSlieId5s)\n\nAvailable Arguments\n\nArgument\tDescription\n```\n--web\tLaunch web interface (no --image required)\n--host\tHost address for web interface (default: 127.0.0.1)\n--port\tPort number for web interface (default: 5000)\n--image\tRequired for CLI mode. Path to the image file or URL to analyze\n--context\tAdditional context information about the image\n--guess\tYour guess of where the image might have been taken\n--output\tOutput file path to save the results (JSON format)\n--api-key\tCustom Gemini API key\n```\n\nExamples\n```bash\nLaunch web interface:\n$ geointel --web\n\nBasic CLI usage:\n$ geointel --image vacation_photo.jpg\n\nWith additional context:\n$ geointel --image vacation_photo.jpg --context \"Taken during summer vacation in 2023\"\n\nWith location guess:\n$ geointel --image vacation_photo.jpg --guess \"Mediterranean coast\"\n\nSaving results to a file:\n$ geointel --image vacation_photo.jpg --output results.json\n\nUsing a custom API key:\n$ geointel --image vacation_photo.jpg --api-key \"your-api-key-here\"\n```\n\nAPI Key Setup\n\nGeoIntel uses Google's Gemini API. You can:\n```\n- Set the API key as an environment variable: GEMINI_API_KEY=your_key_here\n\n- Use the --api-key parameter in the command line\n```\n\n\nGet your Gemini API key from Google AI Studio.\n\n### SDK\n```\nfrom geointel import GeoIntel\n\n# Initialize GeoIntel\ngeointel = GeoIntel()\n\n# Analyze an image and get JSON result\nresult = geointel.locate(image_path=\"image.jpg\")\n\n# Work with the JSON data\nif \"error\" in result:\n    print(f\"Error: {result['error']}\")\nelse:\n    # Access the first location\n    if \"locations\" in result and result[\"locations\"]:\n        location = result[\"locations\"][0]\n        print(f\"Location: {location['city']}, {location['country']}\")\n        \n        # Get Google Maps URL\n        if \"coordinates\" in location:\n            lat = location[\"coordinates\"][\"latitude\"]\n            lng = location[\"coordinates\"][\"longitude\"]\n            maps_url = f\"https:\u002F\u002Fwww.google.com\u002Fmaps?q={lat},{lng}\"\n```\n\nFeatures\n\n- AI-powered geolocation of images using Google's Gemini API\n\n- Generate Google Maps links based on image coordinates\n\n- Provide confidence levels for location predictions\n\n- Support for additional context and location guesses\n\n- Export results to JSON\n\n- Handles both local image files and image URLs\n\n\nResponse Format\n\n- The API returns a structured JSON response with:\n\n- interpretation: Comprehensive analysis of the image\n\n- locations: Array of possible locations with:\n\n- Country, state, and city information\n\n- Confidence level (High\u002FMedium\u002FLow)\n\n- Coordinates (latitude\u002Flongitude)\n\n- Detailed explanation of the reasoning\n\n\n\nDisclaimer:\n\nGeoIntel is intended for educational and research purposes only. While it uses AI models to estimate the location of where an image was taken, its predictions are not guaranteed to be accurate. Do not use this tool for surveillance, stalking, law enforcement, or any activity that may infringe on personal privacy, violate laws, or cause harm.\n\nThe author(s) and contributors are not responsible for any damages, legal issues, or consequences resulting from the use or misuse of this software. Use at your own risk and discretion.\n\nAlways comply with local, national, and international laws and regulations when using AI-based tools.\n\nContributing\n\n1. Fork the repository\n\n2. Create a new branch (git checkout -b feature\u002Fnew-feature).\n\n3. Commit your changes (git commit -am 'Add new feature').\n\n4. Push to the branch (git push origin feature\u002Fnew-feature).\n\n5. Create a pull request.\n\n\nLicense\n\nThis project is licensed under the MIT License - see the LICENSE file for details.\n\n\n![Star History Chart](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fatiilla_GeoIntel_readme_685a6c9f41e5.png)","# GeoIntel\n\n![PyPI - 版本](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fgeointel?style=flat)\n\n\nGeoIntel 是一款基于 Python 的工具，利用 Google 的 Gemini API，通过人工智能驱动的地理定位分析，揭示照片的拍摄地点。\n\n## 安装\n\n```bash\n# 基本安装\npip install geointel\n```\n\n## 使用方法\n\n### Web 界面（全新！）\n\n启动具有现代 UI 的交互式 Web 界面：\n\n```bash\n- 标准：\n$ geointel --web\n\n- 自定义主机和端口：\n$ geointel --web --host 0.0.0.0 --port 4000 \n```\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fatiilla_GeoIntel_readme_9fc582d8a8ba.jpg\" alt=\"GeoIntel Web 界面\">\n\n然后在浏览器中打开 `http:\u002F\u002F127.0.0.1:5000`。\n\n功能：\n- 拖放上传图片\n- 浏览器内 API 密钥配置\n- 交互式 3D Google 地图\n- 实时 AI 分析及详细解释\n\n### 命令行界面\n\n```bash\ngeointel --image path\u002Fto\u002Fyour\u002Fimage.jpg\n```\n\n[![asciicast](https:\u002F\u002Fasciinema.org\u002Fa\u002FI6NqhIr6QkBWaaHNjSlieId5s.svg)](https:\u002F\u002Fasciinema.org\u002Fa\u002FI6NqhIr6QkBWaaHNjSlieId5s)\n\n可用参数\n\n参数\t描述\n```\n--web\t启动 Web 界面（无需 --image）\n--host\tWeb 界面的主机地址（默认：127.0.0.1）\n--port\tWeb 界面的端口号（默认：5000）\n--image\tCLI 模式下必填。待分析图像文件路径或 URL\n--context\t关于图像的附加上下文信息\n--guess\t您对图像拍摄地点的猜测\n--output\t保存结果的输出文件路径（JSON 格式）\n--api-key\t自定义 Gemini API 密钥\n```\n\n示例\n```bash\n启动 Web 界面：\n$ geointel --web\n\n基本 CLI 使用：\n$ geointel --image vacation_photo.jpg\n\n添加额外上下文：\n$ geointel --image vacation_photo.jpg --context \"2023 年暑假期间拍摄\"\n\n提供位置猜测：\n$ geointel --image vacation_photo.jpg --guess \"地中海沿岸\"\n\n将结果保存到文件：\n$ geointel --image vacation_photo.jpg --output results.json\n\n使用自定义 API 密钥：\n$ geointel --image vacation_photo.jpg --api-key \"your-api-key-here\"\n```\n\nAPI 密钥设置\n\nGeoIntel 使用 Google 的 Gemini API。您可以：\n```\n- 将 API 密钥设置为环境变量：GEMINI_API_KEY=your_key_here\n\n- 在命令行中使用 --api-key 参数\n```\n\n\n请从 Google AI Studio 获取您的 Gemini API 密钥。\n\n### SDK\n```\nfrom geointel import GeoIntel\n\n# 初始化 GeoIntel\ngeointel = GeoIntel()\n\n# 分析一张图片并获取 JSON 结果\nresult = geointel.locate(image_path=\"image.jpg\")\n\n# 处理 JSON 数据\nif \"error\" in result:\n    print(f\"错误：{result['error']}\")\nelse:\n    # 访问第一个位置\n    if \"locations\" in result 和 result[\"locations\"]:\n        location = result[\"locations\"][0]\n        print(f\"位置：{location['city']}, {location['country']}\")\n        \n        # 获取 Google 地图链接\n        if \"coordinates\" in location：\n            lat = location[\"coordinates\"][\"latitude\"]\n            lng = location[\"coordinates\"][\"longitude\"]\n            maps_url = f\"https:\u002F\u002Fwww.google.com\u002Fmaps?q={lat},{lng}\"\n```\n\n特性\n\n- 利用 Google 的 Gemini API 进行图像的 AI 驱动地理定位\n\n- 根据图像坐标生成 Google 地图链接\n\n- 提供位置预测的置信度等级\n\n- 支持附加上下文和位置猜测\n\n- 可将结果导出为 JSON\n\n- 同时支持本地图像文件和图像 URL\n\n\n响应格式\n\n- API 返回结构化的 JSON 响应，包含：\n\n- interpretation：对图像的全面分析\n\n- locations：可能位置数组，包含：\n\n- 国家、州和城市信息\n\n- 置信度级别（高\u002F中\u002F低）\n\n- 坐标（纬度\u002F经度）\n\n- 推理的详细说明\n\n\n\n免责声明：\n\nGeoIntel 仅用于教育和研究目的。尽管它使用 AI 模型来估算图像的拍摄地点，但其预测并不保证准确。请勿将此工具用于监视、跟踪、执法或其他可能侵犯个人隐私、违反法律或造成伤害的活动。\n\n作者和贡献者对因使用或误用本软件而导致的任何损害、法律问题或后果不承担任何责任。请自行评估风险并谨慎使用。\n\n在使用基于 AI 的工具时，请始终遵守当地、国家和国际法律法规。\n\n贡献\n\n1. 克隆仓库\n\n2. 创建新分支（git checkout -b feature\u002Fnew-feature）。\n\n3. 提交更改（git commit -am '添加新功能'）。\n\n4. 推送到分支（git push origin feature\u002Fnew-feature）。\n\n5. 发起拉取请求。\n\n\n许可证\n\n本项目采用 MIT 许可证授权——详情请参阅 LICENSE 文件。\n\n\n![Star History Chart](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fatiilla_GeoIntel_readme_685a6c9f41e5.png)","# GeoIntel 快速上手指南\n\nGeoIntel 是一款基于 Google Gemini API 的 Python 工具，利用 AI 技术分析图片内容，推断拍摄地点并生成详细的地理位置报告。\n\n## 环境准备\n\n在开始之前，请确保满足以下要求：\n\n*   **操作系统**：Windows、macOS 或 Linux\n*   **Python 版本**：Python 3.8 或更高版本\n*   **API 密钥**：需要拥有 Google Gemini API Key\n    *   获取地址：[Google AI Studio](https:\u002F\u002Faistudio.google.com\u002F)\n    *   配置方式（任选其一）：\n        1.  设置环境变量：`export GEMINI_API_KEY=your_key_here` (Linux\u002FmacOS) 或 `set GEMINI_API_KEY=your_key_here` (Windows)\n        2.  在使用时通过 `--api-key` 参数传入\n\n## 安装步骤\n\n使用 pip 进行基础安装：\n\n```bash\npip install geointel\n```\n\n> **提示**：国内用户若下载缓慢，可使用清华或阿里镜像源加速安装：\n> ```bash\n> pip install geointel -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n> ```\n\n## 基本使用\n\nGeoIntel 提供命令行（CLI）和 Web 界面两种使用方式。\n\n### 方式一：命令行快速分析\n\n最直接的使用方式是传入图片路径进行分析：\n\n```bash\ngeointel --image path\u002Fto\u002Fyour\u002Fimage.jpg\n```\n\n**进阶用法示例：**\n\n*   **添加背景信息辅助判断**：\n    ```bash\n    geointel --image vacation_photo.jpg --context \"Taken during summer vacation in 2023\"\n    ```\n*   **提供猜测地点以缩小范围**：\n    ```bash\n    geointel --image vacation_photo.jpg --guess \"Mediterranean coast\"\n    ```\n*   **将结果保存为 JSON 文件**：\n    ```bash\n    geointel --image vacation_photo.jpg --output results.json\n    ```\n*   **临时指定 API Key**：\n    ```bash\n    geointel --image vacation_photo.jpg --api-key \"your-api-key-here\"\n    ```\n\n### 方式二：Web 交互界面\n\n启动带有现代化 UI 的网页版，支持拖拽上传和 3D 地图展示：\n\n```bash\ngeointel --web\n```\n\n启动后，在浏览器中访问 `http:\u002F\u002F127.0.0.1:5000` 即可使用。\n\n如需自定义监听地址和端口：\n\n```bash\ngeointel --web --host 0.0.0.0 --port 4000\n```\n\n### 方式三：Python SDK 集成\n\n在代码中直接调用 GeoIntel 进行开发：\n\n```python\nfrom geointel import GeoIntel\n\n# 初始化 GeoIntel\ngeointel = GeoIntel()\n\n# 分析图片并获取 JSON 结果\nresult = geointel.locate(image_path=\"image.jpg\")\n\n# 处理结果\nif \"error\" in result:\n    print(f\"Error: {result['error']}\")\nelse:\n    if \"locations\" in result and result[\"locations\"]:\n        location = result[\"locations\"][0]\n        print(f\"Location: {location['city']}, {location['country']}\")\n        \n        # 生成 Google Maps 链接\n        if \"coordinates\" in location:\n            lat = location[\"coordinates\"][\"latitude\"]\n            lng = location[\"coordinates\"][\"longitude\"]\n            maps_url = f\"https:\u002F\u002Fwww.google.com\u002Fmaps?q={lat},{lng}\"\n            print(f\"Map URL: {maps_url}\")\n```\n\n---\n*免责声明：本工具仅供教育和研究用途。预测结果不保证绝对准确，严禁用于监控、人肉搜索、执法或其他侵犯隐私及违法的活动。使用者需自行承担风险并遵守相关法律法规。*","一位数字人文研究员正在整理一批 20 世纪中期的匿名历史照片档案，试图还原当时的地理风貌以构建交互式地图。\n\n### 没有 GeoIntel 时\n- 研究人员只能依靠肉眼辨认照片中的植被、建筑风格或路牌，耗时数小时却往往一无所获。\n- 面对缺乏元数据的图片，团队不得不手动在谷歌地图上盲目搜索相似地貌，效率极低且容易产生误判。\n- 无法量化判断的准确性，导致最终标注的地点缺乏可信度支撑，难以在学术报告中引用。\n- 协作过程中，不同成员对同一张照片的地点猜测不一，缺乏统一的分析依据来达成共识。\n\n### 使用 GeoIntel 后\n- 利用 GeoIntel 的 AI 图像分析能力，系统能自动识别照片中的细微地理特征（如特定树种、地形轮廓），秒级输出潜在位置。\n- 通过提供“夏季”、“沿海”等额外上下文参数，GeoIntel 能大幅缩小搜索范围，直接生成带有置信度评级（高\u002F中\u002F低）的具体坐标。\n- 工具输出的详细推理过程解释了为何定位到该处，为研究结论提供了可追溯的逻辑支撑，提升了学术严谨性。\n- 一键生成的 JSON 结果和 Google Maps 链接让团队成员能快速验证并统一标注标准，显著加速了档案数字化进程。\n\nGeoIntel 将原本依赖直觉和运气的“猜地点”工作，转化为高效、可解释且数据驱动的智能化地理复原流程。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fatiilla_GeoIntel_9fc582d8.jpg","atiilla","Atilla","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fatiilla_1aea7b7b.png","If the world were a computer infrastructure, all living beings would be the microservices running within it.","@Crimson7research","Behind a firewall",null,"https:\u002F\u002Fosintelligence.net","https:\u002F\u002Fgithub.com\u002Fatiilla",[86,90,94],{"name":87,"color":88,"percentage":89},"HTML","#e34c26",51.2,{"name":91,"color":92,"percentage":93},"Python","#3572A5",46.3,{"name":95,"color":96,"percentage":97},"JavaScript","#f1e05a",2.5,1021,144,"2026-04-07T02:15:50","MIT","未说明 (基于 Python 和 PyPI，通常支持 Linux, macOS, Windows)","不需要 (使用 Google Gemini API 进行云端推理)","未说明",{"notes":106,"python":107,"dependencies":108},"该工具本身不包含本地 AI 模型，而是调用 Google 的 Gemini API 进行分析，因此无需本地 GPU 或大显存。使用前必须配置有效的 Google Gemini API Key（可通过环境变量 GEMINI_API_KEY 设置或在命令行\u002F网页界面中输入）。工具提供命令行接口 (CLI) 和基于浏览器的 Web 界面。","未说明 (需支持 pip 安装)",[109,110],"geointel","Google Gemini API Key",[15],[113,114,115],"geolocation","image","osint","2026-03-27T02:49:30.150509","2026-04-07T22:50:57.123013",[],[]]