核心用法
context 是一款专为 Claude Code 设计的地理位置智能分析 skill，通过调用 Camino AI 的 API 实现坐标点周边的深度场景洞察。用户需提供 CAMINO_API_KEY 完成初始配置，支持通过 shell 脚本或 curl 两种方式调用。
核心能力包括：
- 坐标定位分析：输入 lat/lon 坐标，自动获取 500 米（可自定义）半径内的场所数据
- 场景化智能推荐：通过
context参数注入使用场景（如 "lunch options"、"business meeting"），系统返回针对性的场所筛选与建议 - 天气联动决策：可选启用
include_weather和weather_forecast参数，获取每日或每小时天气数据，支撑户外活动规划
响应数据结构化呈现区域描述、分类场所列表（餐厅/咖啡馆/交通等）、发现总数及场景洞察摘要。
显著优点
1. 意图驱动的智能筛选：区别于传统地图 API 的纯数据返回，该 skill 通过自然语言场景描述实现 LLM 级别的推荐逻辑，大幅降低用户决策成本
2. 多模态信息整合：将地理围栏查询、天气数据、场景语义理解整合为统一接口，避免多 API 调用的复杂度
3. Claude Code 原生集成：通过 settings.json 配置即可生效，shell 脚本封装降低技术门槛
潜在缺点与局限性
- 商业 API 依赖：数据服务完全依赖 Camino AI 的可用性与定价策略，存在服务商锁定风险
- 地理覆盖盲区：未明确说明支持的国家/地区范围，偏远地区或小城镇可能数据稀疏
- 场景理解边界：
context参数依赖自然语言处理，复杂或模糊场景可能导致推荐偏差 - 实时性限制：场所数据（营业状态、临时关闭）与天气数据的更新频率未披露，可能存在滞后
适合人群
- 频繁需要本地推荐服务的商务人士（会议选址、客户接待）
- 旅行规划者（行前目的地调研、行程动态调整）
- 开发者构建基于位置智能的 Claude Code 工作流
常规风险
- API 密钥泄露风险：CAMINO_API_KEY 存储于本地配置文件，共享环境或未加密传输存在泄露隐患
- 位置隐私暴露：经纬度坐标准确到具体点位，结合时间参数可能还原用户行为轨迹
- 第三方数据合规：Camino AI 的数据来源与隐私政策未在文档中说明，敏感场景建议先行尽调