DeepSeek Harness插件「足迹」:把相册变成3D地球

「足迹」插件把照片坐标投射到夜色地球,让相册变成可回放的人生地图。
B站上出现的「足迹」是一款基于 DeepSeek Harness 的插件,它读取照片自带的地理位置元数据,把用户拍过照的地点点亮在夜色地球上,并支持从地球逐级放大到街道与山峦。插件会自动识别并标注照片中的景点地标,按质量对照片排序,让连拍、截图自动让路,还能把离家远行的日子整理成一段段旅程,用“故事镜头”逐站回放。此外它提供“那年今天”历史回顾,以及“京都2023猫”这类自然语言搜索,地图会随答案同步飞向结果位置。隐私方面,图库只读打开、索引仅保留在本地设备。文章认为其价值在于把成熟能力贴合日常需求重新组合,也体现了插件生态在个人记忆场景中的潜力。
当照片回到地球
手机相册里堆着成千上万张照片,可大多数人除了偶尔翻看,很少能真正“看见”自己走过的路。B站上出现的一款名为「足迹」的DeepSeek广告 Harness插件,尝试解决的就是这个问题:把每张照片的拍摄地点重新投射到一颗夜色地球仪上,让记忆从平面像素变成可触摸的地理轨迹。
它的核心逻辑并不复杂——照片本身带着地理位置元数据,插件将这些坐标聚合、可视化,并围绕它们叠加上故事线、地标识别与自然语言搜索。但正是这种“简单”的重新组织,让相册从被动的存储,变成了一张可以回放的人生地图。
从地球到街道:层层放大的空间叙事
打开「足迹」,你拍过照的每一个地方都会在夜色中的地球表面亮起来。这种点亮不是静态的散点图,而是带有叙事的空间入口:放大地图,照片会从你去过的地方冒出来;继续放大,视角会一路推进到街道、楼宇和起伏的山峦。

插件会自动识别照片中的景点和地标,并把它们标注在地图上。点一下某个标记,看到的就是你在这个地点拍下的全部影像。这相当于为每张照片配了一位身边的维基百科讲解员——地点不只是坐标,还带着文化和地理背景。
EXIF 与照片地理元数据
照片里记录的地理位置,绝大多数来自相机或手机写入的 EXIF(Exchangeable Image File Format)信息。EXIF 是数码照片常见的一种元数据标准,除了拍摄时间、光圈、快门、ISO 等参数,还能保存 GPS 纬度、经度、海拔乃至拍摄方向。当手机开启定位权限拍照时,系统会把定位模块得到的坐标写进照片文件本身,因此即便脱离相册应用、单独拷贝图片,位置信息通常仍然随文件存在。
不过 EXIF 并不总是可靠:截图、社交软件保存的图片、经压缩转发的照片往往被剥离或篡改元数据;室内、地下或信号弱的环境也可能记录到偏差较大的坐标。因此「足迹」这类工具在读取 EXIF 之后,通常还需要做聚合、去噪与纠偏,才能把散点整理成可信的地理轨迹。理解这一点,也就理解了为什么插件强调“自动识别与整理”——原始坐标只是素材,真正的价值在于后续的清洗与组织。
照片排序与旅行自动成章
在照片的呈现上,「足迹」有一套自己的判断。不管打开哪一组照片,最好的几张总会排在最前面;连拍、截图和保存下来的他人图片会自动让路。这种排序机制让每次打开相册都像在看一本被精心编辑过的摄影集。
更有意思的是旅行整理。离家远行的日子会被自动整理成一段段旅程,告诉你去了哪几站、走了多少公里。按下“故事镜头”,视角会一站一站飞过去,每一站最好的照片从眼前飘过,或者直接回放。对于喜欢用旅行记录生活的人来说,这比手动建文件夹、贴标签要自然得多。

那年今天与自然语言搜索
「足迹」还做了两件很讨巧的事:一是“那年今天”,翻出往年这一天的照片,并告诉你历史上的今天发生在你去过的地方附近;二是搜索体验。搜照片就像说话一样,比如输入“京都2023猫”,也可以直接问DeepSeek“我在日本拍过猫吗”。

DeepSeek 一边回答,地图一边飞过去。这种“对话即查询、结果即地图”的交互,把自然语言理解和地理可视化接在了一起。去过多少国家、多少城市、在路上走了多远,也能一目了然。

自然语言搜索背后的多模态检索
输入“京都2023猫”就能找到对应照片,涉及的是跨模态检索:把用户的自然语言查询拆解为时间、地点、物体等多个约束,再与照片的元数据和视觉内容分别匹配。时间与地点可以直接从 EXIF 中筛选,而“猫”这类物体或场景信息,则需要计算机视觉模型对图像内容打标签或生成向量表示,建立可供检索的索引。
大模型在其中扮演的是“查询理解与调度”的角色:它把一句口语化的提问解析成结构化条件,判断哪些交给元数据过滤、哪些交给视觉索引,最后把结果交回地图渲染。这也解释了为何地图能“一边回答一边飞过去”——语言模型负责语义,地图组件负责空间定位,两者通过坐标这一共同语言衔接起来。
隐私与边界:只读、本地索引
功能之外,这款插件在数据安全上给了明确的承诺:照片图库只读打开,从不改动;索引只留在用户的麦克上。这意味着图像内容本身不会被上传或修改,位置索引也限定在本地设备。
这一点在相册类工具中尤其关键,因为照片是隐私密度最高的数据之一。把索引留在本地、把改动权限收回,是让人敢用、愿用的前提。
本地索引与只读访问的含义
“照片图库只读打开”意味着插件只申请读取权限,不请求写入或删除,从系统层面就杜绝了误改、误删原图的风险。“索引只留在用户的麦克上”则指插件在本地设备内建立搜索和聚合所需的数据结构,而不是把照片或坐标上传到远端服务器处理。
本地索引的代价是计算资源受限,需要更轻量的模型与更高效的存储结构;收益则是隐私边界清晰——图像内容与位置轨迹不出设备,即便服务端出现数据问题也波及不到个人相册。对于照片这类隐私密度极高的数据,这种“能力在端、数据不出端”的设计,正逐渐成为相册类 AI 工具的基本要求。
为什么值得关注
「足迹」的价值不在于发明了新技术,而在于把几个成熟能力——照片地理元数据、计算机视觉识别、自然语言大模型、地图渲染——以非常贴合日常需求的方式重新组合。它把相册从“存起来”的阶段,推进到“走回来”的阶段。
对AI应用开发者来说,这也是一个信号:DeepSeek Harness 作为插件生态,正在鼓励这类轻量、面向个人记忆与生活场景的创作。比起追求大而全,把某一个真实痛点做深,反而更容易让人觉得“我需要它”。
相关推荐

Together.ai 被曝Prompt泄露漏洞:请求处理机制引担忧
Together.ai 在 Hacker News 被曝存在请求 Prompt 泄露问题。本文解析事件背景、多租户推理平台的隔离难题,以及对开发者和 AI 基础设施行业的安全启示。

Codex零基础教程:13个实战从安装到建网站、Blender建模
B站Codex零基础教程完整梳理:从注册安装、权限与模型选择,到13个实战场景,包括装环境、GPT生图做个人网站、Skill打包流程、MCP连接Blender建模、剪映操控、定时任务与手机控制。

零基础学Python+AI:环境搭建与核心认知指南
B站Python与AI零基础课程开篇解读:为什么Python是AI开发首选语言,如何从零搭建全场景通用的开发环境,以及Python五大核心应用场景与AI人才需求分析,适合零基础入门参考。