GeoBuddy 是一个地理代理,它可以通过分析图像中的地标、建筑和文化符号等可见线索来预测地点。

主要功能

  • 地点识别:从上传的图片中预测地点详情
  • 详细推理:根据视觉线索解释预测结果
  • 用户友好的界面:使用 Streamlit 构建,提供直观的体验

简单示例

  • 风景:城市天际线、山脉全景或著名地标
  • 建筑:独特的建筑、桥梁或城市风光
  • 文化线索:招牌上的文字、语言提示、旗帜或独特的服饰

高级用法

尝试提供细节微妙的图像,例如不同语言的商店招牌或具有标志性但全球知名度不高的地标。GeoBuddy 将尝试更深入地推断建筑风格、环境(例如沙漠 vs. 热带)和文化参考。

代码

完整代码可在 Agno 仓库 中找到。

使用方法

1

克隆仓库

git clone https://github.com/agno-agi/agno.git
cd agno
2

创建虚拟环境

python3 -m venv .venv
source .venv/bin/activate
3

安装依赖项

pip install -r cookbook/examples/streamlit_apps/geobuddy/requirements.txt
4

设置 API 密钥

GeoBuddy 使用 Google PaLM API 进行高级图像推理:

export GOOGLE_API_KEY=***
5

启动应用

streamlit run cookbook/examples/streamlit_apps/geobuddy/app.py
6

打开应用

然后在浏览器中打开 http://localhost:8501 开始使用 GeoBuddy。

专业贴士

  • 高分辨率图像:清晰并带有可见招牌或地标的图像可以提高准确性。
  • 多种角度:不同的角度(例如,街道级别视图 vs. 鸟瞰图)可以展示独特的线索。
  • 情境线索:有时,细微的细节,如车牌、当地建筑元素甚至植被,都可以显著影响地点猜测。

需要帮助?加入我们的 Discourse 社区 寻求支持!