Photo Forensics — 照片元数据取证

工具型 skill：用户给一张图片（本地路径或 URL），输出一份完整的 EXIF 报告，包含：
1. EXIF 全字段读取与解读
2. 字段含义科普（让普通用户看懂）
3. 隐私泄露风险评估
4. AI 合成线索扫描 + 概率区间（非确定性断言）

何时触发

满足以下任一条件即调用本 skill：
- 用户提供图片路径/URL，问「这图的 EXIF / 元数据」
- 用户问「这张照片会泄露隐私吗 / 能定位我吗」
- 用户问「这张图是不是 AI 生成的 / 是不是实拍」
- 用户问「照片的拍摄参数 / 相机型号 / 拍摄时间」

不触发：用户没有给具体图片路径，只是泛泛问 EXIF 概念；或要求生成一个 EXIF 小程序项目（那是 exif-tool skill 的职责）。

执行流程

收到图片路径后，按以下步骤执行：

步骤 1：探测读取工具（三档回退）

优先级：exiftool CLI → python exifread/Pillow → node piexifjs。

直接调用本 skill 自带的 Python 主脚本（已实现三档回退逻辑）：

python "<skill_dir>/scripts/read_exif.py" "<image_path_or_url>"

• Windows 环境用 py 或 python 均可
• 脚本会自动探测可用工具并输出统一 JSON
• 若 Python 不可用，回退到 Node 脚本：node "<skill_dir>/scripts/read_exif.js" "<image_path>"
• 若 URL 远程图，脚本会先下载到临时文件再解析

输出 JSON 结构：

{
  "source": "exiftool|python|node",
  "file": { "size_bytes": 1234567, "format": "JPEG" },
  "fields": { "Make": "Apple", "Model": "iPhone 15 Pro", ... },
  "gps": { "latitude": 39.9042, "longitude": 116.4074, "altitude": 43.2 } | null,
  "warnings": ["missing EXIF segment", ...]
}

步骤 2：按字段词典解读

读取下文「EXIF 字段词典」，对 fields 中的关键字段逐条给出人类可读解释。仅解读实际存在的字段，缺失字段不提。

步骤 3：隐私风险评分

按「隐私风险规则」对 GPS/设备/时间/软件四类字段评分，给出 low/medium/high 等级与具体泄露点。

步骤 4：AI 合成线索扫描

按「AI 合成线索清单」逐条检查，命中则记录线索与权重，最后合成概率区间（低/中/高）。

步骤 5：输出报告

严格按「报告模板」输出，不要自创格式。报告末尾必须附上步骤 6 提示（如果隐私风险为 low 且用户没主动要求清除则可省略）。

步骤 6：（可选）清除隐私 EXIF

> 必须严格遵守：清除是破坏性操作，先给报告再询问用户是否要清除，确认后再执行。绝不静默修改用户文件。绝不覆盖原图，始终输出新文件。

清除调用：

python "<skill_dir>/scripts/strip_exif.py" "<input_path>" [-o output_path]
# 或 Node 回退
node "<skill_dir>/scripts/strip_exif.js" "<input_path>" [-o output_path]

输出 JSON：{ "source": "exiftool|pillow|binary|piexifjs", "input": "...", "output": "...", "removed_bytes": 1234 }

清除后必须再跑一次步骤 1（read_exif），确认清除结果并展示给用户。

清除策略三档回退：
1. exiftool -all= — 最彻底，删除所有元数据（EXIF+XMP+ICC+IPTC+GPS）
2. Pillow save(exif=b'') — 重新编码清空 EXIF，可能轻微质量损失
3. 自实现 JPEG 二进制段裁剪 — 0 画质损失（跳过 APP1~APP15/COM 段，保留 SOI/APP0/DQT/SOF/DHT/SOS/EOI）

非 JPEG 格式（PNG/WebP/HEIC）：二进制裁剪方案不适用，exiftool 或 Pillow 方案可能仍有效。如果三档都失败，报告中说明原因并给手动清除建议。

EXIF 字段词典

解读时从下表取含义，保持口语化：

隐私风险规则

按字段命中情况分级：

• 高风险：存在 GPS 坐标（可定位到街道级地址）
• 中风险：存在 Make+Model（关联设备身份）或 Artist/Copyright
• 低风险：存在 DateTimeOriginal（精确到秒的时间）或 Software（系统版本可被利用）

输出：level（low/medium/high）+ risks 数组（每条含 field/description/severity）+ 建议动作（清除 EXIF、剥离 GPS 等）。

AI 合成线索清单

逐条检查，每条命中累计权重，最终按权重总和映射概率区间：

概率区间映射（权重总和 W）：
- W = 0：无显著线索，疑似实拍（概率 < 10% AI）
- W 1–3：低概率 AI（约 10–30%）
- W 4–6：中概率 AI（约 30–60%）
- W ≥ 7：高概率 AI（> 60%）

重要：输出必须强调「这是基于元数据线索的启发式判断，非确定性证据。AI 生成图可能被人为剥离元数据，实拍图也可能因压缩丢失 EXIF。最终判定需结合视觉分析或专业鉴伪工具。」

报告模板

输出严格遵循以下结构（Markdown）：

# 照片取证报告

**文件**：<文件名> · <大小> · <格式>
**读取方式**：<exiftool/python/node>

## 一、拍摄设备
- **厂商**：<Make 或「未记录」>
- **型号**：<Model 或「未记录」>
- **镜头**：<LensModel 或「未记录」>

> 解读：<用一句话解释这些字段告诉了我们什么>

## 二、拍摄参数
- **快门**：<ExposureTime，如 1/200 秒>
- **光圈**：<FNumber，如 f/1.8>
- **ISO**：<ISO>
- **焦距**：<FocalLength>（等效 <FocalLengthIn35mmFormat>）
- **闪光灯**：<Flash 状态>
- **曝光模式**：<ExposureMode>

> 解读：<一句话>

## 三、时间信息
- **拍摄时间**：<DateTimeOriginal>
- **数字化时间**：<DateTimeDigitized>
- **修改时间**：<DateTime>

> 解读：<是否一致 / 异常>

## 四、位置信息
<若 GPS 存在：>
- **经纬度**：<lat>, <lng>
- **海拔**：<altitude>
- **大致区域**：<省份/城市，若可推断>

> ⚠️ 高风险：此坐标可定位到街道级地址

<若无 GPS：> 未记录 GPS 信息

## 五、隐私风险
**等级**：<low/medium/high>

<逐条列出 risks，每条：字段 / 描述 / 严重程度>

**建议**：<清除 EXIF / 剥离 GPS / 不分享原图等>

## 六、AI 合成线索分析
**概率区间**：<低/中/高>（权重 W = <数值>）

<逐条列出命中的线索，每条：线索 ID + 描述 + 权重>
<若无命中：> 未发现显著 AI 生成线索

> ⚠️ 注意：此判断基于元数据启发式分析，非确定性证据。AI 生成图可能被人为剥离元数据，实拍图也可能因压缩丢失 EXIF。最终判定需结合视觉分析与专业鉴伪工具。

## 七、完整 EXIF 字段
<以表格或列表展示所有原始字段，方便高级用户查阅>

| 字段 | 值 |
|---|---|
| ... | ... |

## 八、清除结果（仅当用户确认执行后展示）
**清除方式**：<exiftool/pillow/binary/piexifjs>
**清除前大小**：<原始字节数>
**清除后大小**：<清除后字节数>
**剥离字节**：<removed_bytes>

**输出文件**：`<input>_cleaned.jpg`

**清除后复查**：
<再跑一次步骤 1 的 EXIF 读取结果。若已无 EXIF 字段，显示「✅ 元数据已完全清除」；若仍有残留，列出残留字段并可能需要换更高档清除方案。>

实现脚本

本 skill 自带四个脚本，agent 按运行时环境调用：

读取 EXIF：
- scripts/read_exif.py — Python 主实现，三档回退（exiftool → exifread/Pillow → 自实现 TIFF 解析）
- scripts/read_exif.js — Node 回退实现（piexifjs + 自实现 TIFF 解析）

清除 EXIF：
- scripts/strip_exif.py — Python 清除器，三档回退（exiftool -all= → Pillow save → JPEG 二进制段裁剪）
- scripts/strip_exif.js — Node 清除器，两档回退（piexifjs remove → JPEG 二进制段裁剪）

调用约定：读取优先 Python，失败回退 Node。清除同理。所有输入输出格式一致（JSON）。清除始终输出新文件，不覆盖原图。

使用示例

用户：「帮我看看 D:/photo.jpg 的 EXIF，是不是 AI 生成的」

执行：
1. python "<skill_dir>/scripts/read_exif.py" "D:/photo.jpg"
2. 解析 JSON
3. 按报告模板输出

用户：「https://example.com/cat.jpg 这图有隐私泄露吗」

执行：
1. python "<skill_dir>/scripts/read_exif.py" "https://example.com/cat.jpg"（脚本自动下载）
2. 按报告模板输出，重点呈现「四、位置信息」与「五、隐私风险」

用户：「帮我清掉 D:/photo.jpg 的 EXIF」

执行：
1. 先跑 read_exif 出报告（步骤 1-5），展示当前隐私风险
2. 询问用户确认：「是否确认清除？将生成新文件 D:/photo_cleaned.jpg，原图不修改」
3. 用户确认后：node "<skill_dir>/scripts/strip_exif.js" "D:/photo.jpg"
4. 再跑一次 read_exif 验证清除结果
5. 按报告模板第八章展示清除结果

注意事项

• 远程图必须先下载，注意 URL 可达性与大小限制
• exiftool 若未安装，脚本自动回退，无需提示用户安装
• AI 判定永远不能 100%，必须保留「非确定性」声明
• 隐私建议要具体可执行（如「用 exiftool -all= 清除」或「微信发送时勾选原图关闭」）
• 不上报用户图片内容，仅分析元数据
• 清除前必须询问用户确认，绝不静默执行破坏性操作
• 清除绝不覆盖原图，始终输出 _cleaned 后缀新文件
• 清除后必须再读一次验证，展示清除效果给用户