# AI看一眼照片，猜出拍摄地：本周Skills生态新面孔盘点 ## 概述 本文覆盖 Claude Code Skills 生态最近一周（10月9日至11日快照窗口）的上架动态。头部依旧安静：superpowers 印刷值 297462，离三十万只差临门一脚，mattpocock/skills（285681）与 ECC（276929）分列二三。真正的热闹发生在中段——本期新面孔清一色在做同一件事：**不雇生成模型，改雇确定性代码**。用 ffmpeg 剪片子、用 SVG 画等距图、用 WebGPU 跑着色器、用几何计算反推一张照片在哪里拍的。本文深拆其中最扎眼的 geo-sleuth——一个从照片反推拍摄位置的定位技能，横评另外五件新货，最后给 Skill 作者提炼三条可直接抄走的设计心得。 **口径说明**：本文全部星数为 GitHub Search API 10月11日快照印刷值，非实时数据；与此前各稿引用的旧印刷值对照时，差值只代表两份快照之间的增量。本文八件本机一律未装机、未读全文，功能与实战两维是门牌原文加快照曲线的纸面推定，凡推断带※。纸面分不是装机分。 ## 一、榜单速览：头部固化，中段换向 | 仓库 | 10-09 | 10-10 | 10-11 | 三日动向 | |---|---|---|---|---| | shader-effects-inc/shaders | 3593 | 3838 | 4343 | 加速，日增翻倍 | | kajisho5/ffmpeg-skill（旧面孔） | 1901 | 1912 | 1917 | 平台期，日增不足十 | | lemomo-ai/lemo-opuscar | 1439 | 1768 | 1879 | 高位续涨 | | jiwoochris/artex-ko | 777 | 931 | 1145 | 稳定爬升 | | lucasmarkes/hairline | 未入榜 | 1564 | 1696 | 次日续涨 | | Oldcircle/geo-sleuth | 未入榜 | 未入榜 | 1838 | 本期首次上榜 | | wheresryan22/anatomy | 未入榜 | 未入榜 | 1779 | 同日首次上榜 | 三条动向值得单独说： **第一，shaders 是本周唯一在加速的千星级仓库。** 日增从 245 涨到 505，四千三百星的体量还能翻倍加速，在当前生态里极少见——上一次见到这个曲线还是 universal-modder 十月初的那波。 **第二，universal-modder 五天又涨了 2.5 倍。** 10月6日稿件记录它还是 2627，今天印刷值 6562。作为已经过堂的旧面孔本文不再展开，只记账：通用游戏改造这个生态位，暂时没有第二家追上来※。 **第三，旧面孔在集体进入平台期。** ffmpeg-skill 三天只挪了 16 个星，1.9k 成了它的水位线。新面孔首日上榜即 1800 上下，和旧面孔的持平曲线放在同一张表里，换血速度一目了然。 ## 二、主菜：geo-sleuth，把照片当成案发现场 `Oldcircle/geo-sleuth` 本期首次上榜就是 1838 星，语言标记 Python。门牌原文只有一句话： > An agent skill that finds where a photo was taken — OpenStreetMap geometry, elevation skylines, satellite imagery… 给它一张照片，它反推这张照片在哪拍的。门牌点名了三类验证材料：**OpenStreetMap 几何数据、高程天际线、卫星影像**。这三件东西放在一起，基本能还原出它的工作思路※： ```mermaid flowchart TD A["输入一张照片"] --> B["提取视觉线索"] B --> C["生成候选区域"] C --> D["OSM路网几何比对"] C --> E["高程与天际线匹配"] C --> F["卫星影像交叉验证"] D --> G["多证据收敛"] E --> G F --> G G --> H["输出位置与置信度"] ``` （链路为按门牌三要素还原的示意，具体实现以仓库源码为准※） **这个设计聪明在哪？** 它没有让模型「猜」地点，而是让模型只干两件事——提出假设、比对证据，把「验证」全部外包给了开源数据。视觉模型说「这像地中海沿岸」没有意义，但 OSM 的路网夹角、天际线与高程曲线的吻合度、卫星图上那栋楼的阴影方向，是可算的。这和本栏反复写过的判例同源：**模型的输出当假设，代码和公开数据当验证链**。定位问题的答案空间是整个地球表面，纯生成不可控，纯检索又太慢，假设加验证的混合架构几乎是唯一解※。 **为什么是现在火？** 地理定位这事，过去两年被两拨人推到了大众面前：一拨是 GeoGuessr 带起来的「看图猜地点」竞技文化，另一拨是新闻核查行业用卫星图做事实核查的公开案例。技能出现之前，这套手艺是 OSINT 从业者的专业技能；技能把它拆成了「你丢一张照片，它给你一条带置信度的坐标」。门槛从专业级砍到对话级，1838 的首日星数就是这个落差的定价※。 **冷思考有三条。** 第一，**误报的代价不对称**：猜错一个餐厅没有伤害，猜错一个地点可能把无辜的人钉在案发现场，置信度输出不是装饰，是这类技能的安全件。第二，**边界必须自己画**：用自己的旅行照片反向定位、帮失散亲属比对老照片，是正当用例；对陌生人照片做定位，在很多司法辖区踩隐私红线，装之前想清楚给谁用。第三，**它验证的是「照片与地球的匹配」，不是「照片为真」**——照片可以被摄于别处再上传，证据链的结论只能是「画面内容与某地一致」，写进报告时措辞要降级※。 **安装**（将含 SKILL.md 的目录放进技能目录，若仓库把文件放在子目录则拷子目录※）： ```bash git clone https://github.com/Oldcircle/geo-sleuth ~/.claude/skills/geo-sleuth ``` ## 三、另外五件新面孔 ### 1. lemomo-ai/lemo-opuscar：不用视频模型的短片厂 九天从 769 涨到 1879，涨了 2.4 倍，是本期涨幅最陡的技能。门牌把它说得很完整：「Claude Code skill for short films with no video model: 43 film styles, each a reusable style prompt plus a short film made entirely in code」——四十三种电影风格，每种是一个可复用的风格提示词，配一部**完全用代码生成**的短片。没有视频模型，没有按秒计费，渲染靠代码。还有一个容易被忽略的细节：它的语言标记从 10月2日快照的 Python 变成了今天的 JavaScript，说明作者在九天里动过一次技术栈级别的重写※——头部技能的迭代速度已经是天级。短板：风格库里「提示词加代码」的配比能撑起多长的成片，装前要看样片确认※。 ```bash git clone https://github.com/lemomo-ai/lemo-opuscar ~/.claude/skills/lemo-opuscar ``` ### 2. shader-effects-inc/shaders：WebGPU 特效组件货架 本期星数最高的新面孔（4343），也是唯一加速的。门牌：「WebGPU components for React, Vue, Svelte, Solid, JS & Framer」。严格说它更像一个组件库而不是传统意义的单技能，但它出现在技能生态的榜单上这件事本身就是信号——**技能的形态正在从「一个 SKILL.md」松散化成「技能加货架」**：技能负责决定用哪个特效，货架负责把着色器按框架交付。短板是上手维度：要吃透 WebGPU 本身，对纯前端新手不算友好※。 ```bash git clone https://github.com/shader-effects-inc/shaders ~/.claude/skills/shaders ``` ### 3. wheresryan22/anatomy：把技术概念画成等距解剖图 门牌：「A Claude Code skill that turns a technical idea into a detailed, interactive isometric figure」——把一个技术想法变成一张细节丰富、可交互的等距图。首日上榜 1779。它和下面这件 hairline 构成了一对「等距双子星」：一个画系统解剖，一个画角色小人，赛道相同、生态位不撞。等距图是技术博客的硬通货——讲架构、讲协议、讲部署拓扑，一张等距图顶三页文字，而生成模型画等距图恰恰不稳定，代码画才是正路※。短板：交互细节的工程量不小，首日星数对应的成熟度要打折看※。 ```bash git clone https://github.com/wheresryan22/anatomy ~/.claude/skills/anatomy ``` ### 4. lucasmarkes/hairline：会回应指针的六个线稿小人 门牌：「Six isometric line figures that answer the pointer. For React and for anything w…」——六个会跟着指针反应的等距线稿小人，面向 React 及更广泛的 Web 场景※。1564 到 1696，次日在涨。它的聪明在于把「交互」做进了美术资产本身：线稿小人不是插图，是带状态机的组件，指针扫过会转头、会看。这类东西放在文档站和产品落地页上，是那种「说不出为什么但页面活了起来」的细节。短板明显：只有六个角色，复用面窄，更像一份精致的样例集※。 ```bash git clone https://github.com/lucasmarkes/hairline ~/.claude/skills/hairline ``` ### 5. jiwoochris/artex-ko：渗透框架的韩语发行版 门牌：「ARTEX 한국어판 · AI 자율 침투 테스트 프레임워크(upstream: Autumn-27/ARTEX, AGPL-3.0)」。这是本期唯一不为「新功能」投票的仓库——它为「本地化」投票。三天 777 到 1145，说明韩语社区对 AI 渗透测试框架有真实的需求缺口。门牌同时点名了上游与协议（AGPL-3.0），这个姿势值得抄：**衍生发行版把血统和许可证写在门牌第一行**。另注：本周新星榜上还有一个同名的 mhtsec/ARTEX（3095 星，门牌自称百度「agent+」攻防挑战赛冠军项目），两者关系未在任何门牌中说明，读者自行辨认※。上手难度给两星：渗透测试本身有专业门槛，且务必只在授权环境下使用。 ```bash git clone https://github.com/jiwoochris/artex-ko ~/.claude/skills/artex-ko ``` ## 四、评测对比表 五维权重沿用本栏旧例：功能 25%、设计 25%、实战 20%、上手 15%、社区 15%，上手星星越多越容易。实战与功能两维均为纸面推定※。 | 仓库 | 功能完整度 | 设计质量 | 实战效果 | 上手难度 | 社区活跃度 | 加权 | |---|---|---|---|---|---|---| | lemo-opuscar | ★★★★ | ★★★★★ | ★★★★※ | ★★★★ | ★★★★ | 4.25 | | shaders | ★★★★ | ★★★★ | ★★★★※ | ★★★ | ★★★★★ | 4.00 | | geo-sleuth | ★★★★ | ★★★★ | ★★★※ | ★★★★ | ★★★★ | 3.80 | | anatomy | ★★★ | ★★★★ | ★★★※ | ★★★★ | ★★★ | 3.40 | | hairline | ★★★ | ★★★★ | ★★★※ | ★★★ | ★★★ | 3.25 | | artex-ko | ★★★ | ★★★ | ★★★※ | ★★ | ★★★ | 2.85 | geo-sleuth 的实战只给三星不是怀疑能力，而是定位类技能的误报成本天然偏高，纸面上无法核验它的置信度校准做得如何※，装机实测前保留意见。 ## 五、本周最大公约数：不雇模型，改雇代码 把六件新货排成一排，同一根线贯穿：**生成模型从「生产者」降级成「调度者」，确定性代码回到「生产者」位置。** ```mermaid flowchart TD subgraph G1["生成模型阵营"] A1["提示词喂给视频模型"] --> A2["按秒计费结果不可控"] end subgraph G2["代码渲染阵营"] B1["Skill写出确定性代码"] --> B2["ffmpeg剪片子"] B1 --> B3["SVG画等距图"] B1 --> B4["WebGPU跑着色器"] B1 --> B5["几何计算反推地点"] end A2 -.->|"本周星数流向"| B1 ``` lemo-opuscar 用代码渲染短片，anatomy 和 hairline 用代码画等距图，shaders 直接交付手写着色器，geo-sleuth 用几何计算代替视觉模型下结论。连旧面孔 universal-modder 的本质也是代码修改游戏资源而不是生成资源。这不是巧合，是一条已经跑通的成本曲线：**凡是输出可以验证的东西，代码总比模型便宜、稳定、可复现；模型只留在假设和品味那一端。** 谁在技能里把这个分工画清楚，谁的星数曲线就陡※。 ## 六、分维度排名 - **综合推荐**：lemo-opuscar ＞ shaders ＞ geo-sleuth ＞ anatomy ＞ hairline ＞ artex-ko - **增长势头**（按快照增量）：shaders（日增 505）＞ artex-ko（日均 184）＞ lemo-opuscar（日均 123）＞ hairline（日增 132，基数小）＞ geo-sleuth、anatomy（首日上榜，无基线） - **新手友好**：geo-sleuth ＝ anatomy ＝ lemo-opuscar ＞ shaders ＞ hairline ＞ artex-ko - **设计范本**（门牌与架构最值得抄）：lemo-opuscar ＞ geo-sleuth ＞ artex-ko ## 七、给 Skill 作者的三条可抄心得 **第一，门牌第一句就是你的分发渠道。** 本期六件全部靠一句话说清了自己：给谁、输入什么、输出什么、靠什么实现。geo-sleuth 的门牌甚至把三件验证材料直接点名——用户搜「OpenStreetMap」也能搜到它。门牌写不清的技能，星数曲线也替你说清楚了（见 ffmpeg-skill：无描述，1901 到 1917）。 **第二，把验证外包给公开数据，把模型留在假设端。** geo-sleuth 是本周最干净的示范：模型提假设，OSM、高程、卫星图做裁判。你的技能里凡是有一步「模型说了算」又能被数据验证的，都该改成数据说了算。 **第三，发行也是产品设计。** artex-ko 证明非英语本地化本身就是一个增长点；lemo-opuscar 九天内换技术栈证明上架只是开始。技能生态的供给已经快到「一天不成千星就上不了桌」的程度，发出去之后的每一次快照，都是续考。 ## 参考来源 1. [Oldcircle/geo-sleuth](https://github.com/Oldcircle/geo-sleuth) — 照片定位技能，本文主菜，门牌与星数快照来源 2. [lemomo-ai/lemo-opuscar](https://github.com/lemomo-ai/lemo-opuscar) — 无视频模型短片技能，43 风格代码渲染 3. [shader-effects-inc/shaders](https://github.com/shader-effects-inc/shaders) — WebGPU 特效组件货架，本期增长冠军 4. [wheresryan22/anatomy](https://github.com/wheresryan22/anatomy) — 技术概念等距解剖图技能 5. [lucasmarkes/hairline](https://github.com/lucasmarkes/hairline) — 指针交互式等距线稿小人 6. [jiwoochris/artex-ko](https://github.com/jiwoochris/artex-ko) — ARTEX 渗透框架韩语发行版（AGPL-3.0） 7. [mhtsec/ARTEX](https://github.com/mhtsec/ARTEX) — 同名 AI 自主渗透测试系统，自称攻防挑战赛冠军项目 8. [kajisho5/ffmpeg-skill](https://github.com/kajisho5/ffmpeg-skill) — ffmpeg 技能旧面孔，平台期曲线参照 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。