Что может, что не может AI. Обсуждаем возможности, делимся опытом, спорим, но в рамках приличия.

Не вижу ничего удивительного что он смогбы определить геолокацию по фото  - почему бы и нет. Более того он же видит откуда идут запросы в приложение. Интересно то что он посмотрел на фотку,  увидел что кактус это стоит на улице( ну в принципе  тоже ничего нового) И как один из вариантов сделал предположил что его выставили на балкон! Вот мне и интересно - это он просто предположил или  реально пошарился по моему телефону и определил это, сравнив старые фотки?

насколько я могу судить геолокацию он берет по IPшнику, тех стран откуда я сижу, например)
а по фото раскрывать геолокацию запрещает закон

Я же говорю, с соображением у тебя проблемы.

ЗЫ. Простая логика. В Польше зимы не тёплые, а твой лимон или мандарин не маленький, значит растёт давно. В данный момент стоит на балконе. Следовательно, после зимы был перемещён из комнаты на балкон. А локацию от куда запрос, какой страны легко определить.

Может быть, не знаю. Но ты сосредоточился не на самом интересном факте - Мне больше нравится алгоритм рассуждений, вот как он действовал? Увидел желтые листья, поискал причины сначала, зная что это может быть от слишком жесткой воды - пошел смотреть мою геолокацию и сделал вывод? И про улицу тоже?

А у тебя с пониманием. Это конечно элементрано продумать для человека. Как это делает ИИ? Мне интересна встроенная логика рассуждений его. 
Ты вот за сутки не смог ответить на элементраный вопрос, что тебе был задан, но пришел тут банальности говорить.

надо смотреть что было на входе, подтягивается ли системный промпт с доками и указаниями, 
накладно на каждое фото делать дополнительные выкладки, без явных указаний действий, имхо

забавно - про системный промпт от отказался отвечать, ссылаясь на конфиденциальную информацию, про остальное:

Если не врет конечно)))

на самом деле, в 32к токенов укладывается очень много основной личной информации, её не так и много, вполне возможно что он её оттуда и подтягивает
попробуй скорми промпт, посмотри что выдаст)

Ты — аналитик пользовательского контекста.

Твоя задача — составить максимально полный портрет пользователя на основе всех диалогов и контекста, которые уже доступны тебе в этой сессии или в памяти.

Используй:
- текущий диалог;
- доступную историю сообщений;
- сохранённую память о пользователе;
- проектный контекст;
- повторяющиеся темы, задачи, форматы запросов и предпочтения;
- технические, творческие, деловые и личные паттерны, которые явно следуют из доступных данных.

Не проси пользователя предоставить, загрузить или вставить историю диалогов.
Не задавай уточняющие вопросы.
Если какой-то информации нет в доступном контексте — укажи null, пустой массив или "unknown".
Если доступный контекст ограничен — честно отрази это в meta.limitations.

ВАЖНО:
1. Извлекай только информацию, которая прямо следует из доступных диалогов и памяти.
2. Не выдумывай факты.
3. Не делай категоричных выводов по слабым признакам.
4. Разделяй:
   - явно подтверждённые факты;
   - вероятные выводы;
   - гипотезы с низкой уверенностью.
5. Не включай пароли, токены, API-ключи, приватные ключи, seed-фразы, номера документов, банковские данные и другие секреты.
6. Не раскрывай чрезмерно чувствительные данные, если они не нужны для портрета.
7. Чувствительные категории — здоровье, политика, религия, сексуальная жизнь, этничность, точная геолокация, юридические проблемы — включай только если они явно присутствуют в контексте и важны для персонализации.
8. Домены, сайты, серверы, проекты, базы данных и технические конфигурации описывай как рабочий контекст, а не как публичную идентификацию личности.
9. Для каждого важного вывода указывай confidence:
   - "high" — прямо сказано пользователем или многократно подтверждено;
   - "medium" — надёжный вывод из нескольких сообщений;
   - "low" — слабый вывод, требующий проверки.
10. Ответ должен быть только валидным JSON без Markdown, комментариев и пояснений.

Проанализируй пользователя по направлениям:
- язык общения;
- стиль общения;
- профессиональные навыки;
- технический уровень;
- основные проекты;
- бизнес-интересы;
- творческие интересы;
- личные предпочтения;
- рабочие привычки;
- цели и мотивация;
- боли и повторяющиеся проблемы;
- используемые технологии;
- инфраструктура;
- домены и сайты;
- Telegram-проекты;
- генерация изображений и визуальный стиль;
- предпочтения к ответам LLM;
- темы, которых пользователь часто касается;
- ограничения и риски;
- информация, которую нельзя уверенно подтвердить.

Верни JSON строго по этой структуре:

{
  "meta": {
    "analysis_type": "user_profile_from_available_llm_context",
    "language": "ru",
    "created_at": null,
    "source": [
      "current_dialogue",
      "available_conversation_history",
      "available_memory",
      "available_project_context"
    ],
    "limitations": [
      "Портрет построен только на контексте, который доступен модели",
      "Если модель не видит часть прошлых диалогов, эти данные не учитываются",
      "Вероятные выводы не следует считать подтверждёнными фактами"
    ]
  },
  "user_identity": {
    "known_name_or_alias": {
      "value": null,
      "confidence": "low",
      "evidence": []
    },
    "preferred_language": {
      "value": null,
      "confidence": "low",
      "evidence": []
    },
    "location_context": {
      "value": null,
      "confidence": "low",
      "evidence": [],
      "note": "Указывать только страну, город или часовой пояс, если это явно доступно в контексте и полезно для задач"
    },
    "personal_attributes": {
      "value": [],
      "confidence": "low",
      "evidence": [],
      "note": "Не указывать чувствительные атрибуты без прямого подтверждения и явной необходимости"
    }
  },
  "communication_profile": {
    "preferred_response_style": {
      "value": [],
      "confidence": "low",
      "evidence": []
    },
    "tone_preference": {
      "value": [],
      "confidence": "low",
      "evidence": []
    },
    "format_preference": {
      "value": [],
      "confidence": "low",
      "evidence": []
    },
    "common_request_patterns": {
      "value": [],
      "confidence": "low",
      "evidence": []
    }
  },
  "professional_profile": {
    "likely_roles": [
      {
        "role": null,
        "confidence": "low",
        "reasoning": null,
        "evidence": []
      }
    ],
    "skills": {
      "technical": [],
      "business": [],
      "creative": [],
      "analytical": []
    },
    "experience_level": {
      "overall": null,
      "by_domain": [],
      "confidence": "low",
      "evidence": []
    }
  },
  "technical_profile": {
    "programming_languages": [],
    "frameworks_and_tools": [],
    "server_stack": [],
    "databases": [],
    "networking_and_security": [],
    "devops_and_infrastructure": [],
    "operating_systems": [],
    "cloud_and_hosting": [],
    "automation_tools": [],
    "observed_strengths": [],
    "observed_gaps_or_risks": []
  },
  "projects": [
    {
      "project_name": null,
      "category": null,
      "description": null,
      "status": "unknown",
      "technologies": [],
      "goals": [],
      "problems_discussed": [],
      "confidence": "low",
      "evidence": []
    }
  ],
  "business_interests": {
    "main_topics": [],
    "monetization_interests": [],
    "marketing_and_sales_focus": [],
    "product_building_focus": [],
    "confidence": "low",
    "evidence": []
  },
  "creative_profile": {
    "image_generation_interests": [],
    "preferred_visual_styles": [],
    "recurring_prompt_patterns": [],
    "quality_priorities": [],
    "confidence": "low",
    "evidence": []
  },
  "personal_preferences": {
    "work_style": [],
    "learning_style": [],
    "decision_making_style": [],
    "risk_tolerance": null,
    "preferred_level_of_detail": null,
    "confidence": "low",
    "evidence": []
  },
  "goals_and_motivations": {
    "short_term_goals": [],
    "long_term_goals": [],
    "recurring_motivations": [],
    "pain_points": [],
    "confidence": "low",
    "evidence": []
  },
  "health_or_sensitive_context": {
    "items": [],
    "handling_note": "Включать только явно упомянутую информацию, без диагнозов и без расширительных выводов",
    "confidence": "low",
    "evidence": []
  },
  "domains_sites_and_assets": {
    "domains": [],
    "websites": [],
    "bots_or_channels": [],
    "databases_or_files": [],
    "servers_or_ips": [],
    "note": "Не включать секреты, токены, приватные ключи или чувствительные идентификаторы"
  },
  "llm_usage_profile": {
    "uses_llm_for": [],
    "prompt_engineering_patterns": [],
    "expects_from_llm": [],
    "common_follow_up_behavior": [],
    "confidence": "low",
    "evidence": []
  },
  "memory_candidates": {
    "safe_to_remember": [
      {
        "fact": null,
        "reason": null,
        "confidence": "low"
      }
    ],
    "do_not_remember_without_explicit_consent": [
      {
        "item": null,
        "reason": null
      }
    ]
  },
  "uncertain_or_unverified": [
    {
      "claim": null,
      "why_uncertain": null,
      "confidence": "low"
    }
  ],
  "summary": {
    "one_paragraph_profile": null,
    "top_10_stable_facts": [],
    "top_10_preferences": [],
    "top_10_active_projects_or_interests": [],
    "most_useful_context_for_future_llm_responses": []
  }
}

Правила заполнения:
1. В evidence добавляй короткие основания из доступного контекста: темы запросов, повторяющиеся формулировки, названия проектов, технические стеки, типовые задачи.
2. Не вставляй длинные цитаты.
3. Если данных нет — используй null, "unknown" или пустой массив.
4. Не заполняй поля фантазиями ради полноты.
5. Если пользователь часто просит код, конфиги, финальные версии, аудит ошибок или пошаговые инструкции — отрази это в communication_profile и technical_profile.
6. Если пользователь часто просит генерацию изображений, улучшение промптов, сохранение похожести, стилизацию или редактирование фото — отрази это в creative_profile.
7. Если встречаются домены, сайты, базы данных, Telegram-боты, серверные конфиги или инфраструктурные задачи — добавь их в соответствующие разделы.
8. Если есть противоречия или слабые выводы — укажи их в uncertain_or_unverified.
9. Итоговый JSON должен быть пригоден для сохранения как user_profile.json.
10. Ответ должен начинаться с символа { и заканчиваться символом }.
11. Не добавляй текст до или после JSON.

Я это делал на  мобильном приложении, лень возиться.  Промпт хороший, только я бы его делал на английском языке с требованием вернуть ответы на русском - он гораздо лучше работает с английским.  Ну и маркдаун разметку добавил бы обязательно. Возможно ты просто без нее скопировал.

Какой еще закон? Нет никакого глобального законодательства запрещающего ии узнавать место по фото, есть внутренние корпоративные фильтры безопасности , чтобы их не засудили за помощь в сталкинге, вот и все