mcp-relight-harmonize 1.0.2 → 1.0.3

package/.agents/skills/mcp-relight-harmonize/SKILL.md

@@ -67,6 +67,23 @@ To inspect or discover previously generated relight variations or composite outp
 1. Call tool `list_cached_variations({ cache_dir?: "<path>" })`.
 2. Inspect `files` list containing filename, full path, byte size, and last modified timestamp for all output artifacts.
 
+### Workflow F: Dynamic 6-Layer Decomposition & Interactive Modification Loop
+For comprehensive optical intelligence and guided generation:
+1. Call tool `analyze_optical_profile({ image_path: "<path>", extract_layers: true, user_intent?: "<intent>" })` or execute Python script:
+   `python scripts/extract_layers.py --image <path> [--intent "<intent>"]`
+2. The engine generates 6 visual analytical layers into `Layers/`:
+   - `01_highlights.png` (Highlights / Specular Zones)
+   - `02_shadows.png` (Shadows / Low-Key Zones)
+   - `03_ambient_occlusion.png` (Deep Ambient Occlusion & Contact Umbra)
+   - `04_edges.png` (Sobel High-Frequency Contours)
+   - `05_depth_normals.png` (3D Surface Normal Gradient Field)
+   - `06_chroma_saturation.png` (Chrominance & Saturation Distribution)
+3. Examine each layer and retain optical findings in memory / CoT.
+4. Present the dynamic `Layer.md` and address the user with the mandatory decision prompt:
+   **"ماذا تريد من تعديل؟"**
+   presenting dynamically generated options tailored specifically to the image's detected optical profile.
+5. Upon the user's decision, immediately formulate the target prompt for **GPT Image** or **Nano Banana**. If the client/agent has an embedded image generator (`generate_image`), trigger generation immediately!
+
 ---
 
 ## 3. Reference Documentation

package/.agents/skills/mcp-relight-harmonize/scripts/extract_layers.py

@@ -0,0 +1,397 @@
+#!/usr/bin/env python3
+"""
+MarwanDevSpace - Dynamic 6-Layer Optical Decomposition & Intelligence Engine (Agent Skill Edition)
+Extracts 6 analytical visual layers into Layers/ directory:
+  1. 01_highlights.png         - طبقة الألوان الفاتحة (Highlights / Specular Zones)
+  2. 02_shadows.png            - طبقة الألوان الغامقة (Shadows / Low-Key Zones)
+  3. 03_ambient_occlusion.png  - طبقة الظل العالي (Deep Ambient Occlusion & Ground Contact)
+  4. 04_edges.png              - طبقة الحواف (Sobel High-Frequency Contours)
+  5. 05_depth_normals.png      - طبقة العمق (3D Surface Normal Gradient Field)
+  6. 06_chroma_saturation.png  - طبقة الألوان والتشبع والبكسلات (Chroma & Saturation Distribution)
+
+Generates dynamic, on-demand Layer.md reports and physical generative prompts
+specifically targeting GPT Image and Nano Banana without static boilerplate.
+"""
+
+import os
+import sys
+import argparse
+import json
+from typing import Optional, Dict, Any, List
+import numpy as np
+from PIL import Image
+
+def calculate_cct(r_mean: float, g_mean: float, b_mean: float) -> float:
+    """Calculates Correlated Color Temperature (Kelvin) using CIE 1931 xy and McCamy formulation."""
+    r_norm = min(max(r_mean / 255.0, 0.0), 1.0)
+    g_norm = min(max(g_mean / 255.0, 0.0), 1.0)
+    b_norm = min(max(b_mean / 255.0, 0.0), 1.0)
+
+    # Gamma linearization (sRGB -> linear RGB)
+    r_lin = ((r_norm + 0.055) / 1.055) ** 2.4 if r_norm > 0.04045 else r_norm / 12.92
+    g_lin = ((g_norm + 0.055) / 1.055) ** 2.4 if g_norm > 0.04045 else g_norm / 12.92
+    b_lin = ((b_norm + 0.055) / 1.055) ** 2.4 if b_norm > 0.04045 else b_norm / 12.92
+
+    # CIE XYZ matrix transformation
+    X = 0.4124564 * r_lin + 0.3575761 * g_lin + 0.1804375 * b_lin
+    Y = 0.2126729 * r_lin + 0.7151522 * g_lin + 0.0721750 * b_lin
+    Z = 0.0193339 * r_lin + 0.1191920 * g_lin + 0.9503041 * b_lin
+
+    total = X + Y + Z
+    if total <= 1e-7:
+        return 6500.0
+
+    x = X / total
+    y = Y / total
+    denom = 0.1858 - y
+    if abs(denom) < 1e-6:
+        denom = 1e-6 if denom >= 0 else -1e-6
+
+    n = (x - 0.3320) / denom
+    cct = 449.0 * (n ** 3) + 3525.0 * (n ** 2) + 6823.3 * n + 5520.33
+    return float(np.clip(cct, 1500.0, 20000.0))
+
+def build_dynamic_diagnostics(
+    cct_kelvin: float,
+    azimuth_deg: float,
+    elevation_deg: float,
+    hl_coverage_pct: float,
+    shadow_coverage_pct: float,
+    ao_coverage_pct: float,
+    mean_gradient: float,
+    mean_saturation: float,
+    user_intent: Optional[str] = None
+) -> Dict[str, Any]:
+    """Dynamically analyzes layer metrics to produce targeted findings, customized suggestions, and diffusion prompts."""
+    findings: List[str] = []
+    tailored_options: List[str] = []
+
+    # 1. Thermal & Chromatic Diagnostics
+    if cct_kelvin < 3800:
+        thermal_desc = f"طيف لوني دافئ جداً ({round(cct_kelvin)}K - Tungsten/Golden Hour)"
+        findings.append(f"🔥 **انحياز طيفي دافئ**: الصورة مسجلة بحرارة `{round(cct_kelvin)}K` مع غلبة للأطياف البرتقالية والصفراء في القنوات اللونية.")
+        tailored_options.append(f"موازنة حرارة الألوان من `{round(cct_kelvin)}K` إلى 5500K نهارية محايدة لإزالة المسحة الكهرمانية.")
+    elif cct_kelvin > 6500:
+        thermal_desc = f"طيف لوني بارد ({round(cct_kelvin)}K - Cool Atmospheric Skylight)"
+        findings.append(f"❄️ **انحياز طيفي بارد**: الصورة مسجلة بحرارة `{round(cct_kelvin)}K` مع غلبة للزرقة والارتداد السماوي البارد.")
+        tailored_options.append(f"تدفئة المشهد الضوئي برفع حرارة الألوان إلى 3200K (Mood Tungsten) أو 4500K سينمائي.")
+    else:
+        thermal_desc = f"طيف نهاري متوازن ({round(cct_kelvin)}K - Balanced Daylight)"
+        findings.append(f"☀️ **حرارة ألوان متوازنة**: حرارة الألوان عند `{round(cct_kelvin)}K` تماثل الإضاءة الاستوديوية المحايدة.")
+
+    # 2. Lighting Angles & Dynamic Contrast
+    light_dir = "يمين" if 0 <= azimuth_deg < 90 or 270 <= azimuth_deg <= 360 else "يسار"
+    light_vert = "علوية" if elevation_deg > 50 else "أفقية جانبية"
+    findings.append(f"💡 **توجيه الإضاءة الرئيسية**: زاوية السمت `{round(azimuth_deg)}°` (إضاءة من جهة ال{light_dir}) مع زاوية ارتفاع `{round(elevation_deg)}°` ({light_vert}).")
+
+    if shadow_coverage_pct > 35.0 and hl_coverage_pct > 15.0:
+        findings.append(f"⚡ **تباين درامي عالي (Chiaroscuro)**: كثافة الظلال `{round(shadow_coverage_pct, 1)}%` مع سعة مناطق ساطعة `{round(hl_coverage_pct, 1)}%` تدل على تباين قوي بين المفتاح الضوئي والملء.")
+        tailored_options.append("تنعيم التباين ورفع تفاصيل الظلال المغلقة عبر وضع الإضاءة المحيطية (Ambient Fill +0.8 EV).")
+    elif shadow_coverage_pct < 12.0 and hl_coverage_pct < 12.0:
+        findings.append("🌫️ **إضاءة منبسطة ناعمة (Flat Diffuse)**: تباين منخفض وغياب للمناطق الساطعة الحادة، ما يعطي مظهراً هادئاً.")
+        tailored_options.append("إضافة عمق درامي وزيادة التباين بنمط Chiaroscuro عالي التحديد مع إضاءة اتجاهية بارزة.")
+
+    # 3. Grounding & Ambient Occlusion
+    if ao_coverage_pct < 2.0:
+        findings.append(f"⚠️ **فقدان الارتكاز الأرضي (Lack of Grounding)**: نسبة الظلال التلامسية العميقة `{round(ao_coverage_pct, 2)}%` تكاد تنعدم، مما قد يظهر العنصر كأنه طافٍ في الفراغ.")
+        tailored_options.append(f"بناء وتثبيت ظل تلامسي أرضي فيزيائي (Contact Shadow Footprint) أسفل أدنى نقطة ارتكاز.")
+    else:
+        findings.append(f"⚓ **ارتكاز أرضي متماسك**: نسبة ظلال التلامس والانغلاق الموضعي `{round(ao_coverage_pct, 1)}%` تؤمن التصاقاً بصرياً طبيعياً بالأرضية.")
+
+    # 4. Surface Micro-textures & Edges
+    if mean_gradient > 0.03:
+        findings.append(f"🔍 **تفاصيل سطحية دقيقة وحواف حادة**: متوسط تباين سوبل `{round(mean_gradient, 4)}` يشير إلى وفرة في التفاصيل المجهرية والأنسجة السطحية الواضحة.")
+    else:
+        findings.append(f"🎨 **حواف ناعمة وسطح انسيابي**: متوسط تدرج سوبل `{round(mean_gradient, 4)}` يشير إلى مساحات ناعمة متصلة ومناسبة للتنعيم وإعادة التوزيع.")
+
+    # 5. Chroma / Saturation
+    if mean_saturation > 0.40:
+        findings.append(f"🌈 **تشبع لوني مكثف**: متوسط التشبع `{round(mean_saturation, 3)}` يظهر كثافة لونية حيوية في البكسلات.")
+    else:
+        findings.append(f"🔘 **لوحة لونية هادئة أو معتدلة**: متوسط التشبع `{round(mean_saturation, 3)}` يعكس تدرجات رصينة غير مبالغ بها.")
+
+    if user_intent:
+        tailored_options.insert(0, f"تطبيق طلبك المخصص فوراً: \"{user_intent}\" بتطابق فيزيائي دقيق مع بيانات الطبقات الست.")
+    else:
+        tailored_options.append("إعادة إضاءة بنمط هالة الحواف (Rim Light Halo +1.2 EV) لإبراز حدود المجسم وعزله عن الخلفية.")
+        tailored_options.append("دمج العنصر في خلفية جديدة مع مطابقة إحصائيات الألوان ودرجة الحرارة وظلال الارتكاز.")
+
+    intent_clause = f", {user_intent}" if user_intent else ""
+    gpt_prompt = (
+        f"A master-quality studio photograph{intent_clause}, calibrated optical lighting at {round(azimuth_deg)}° azimuth "
+        f"and {round(elevation_deg)}° elevation, authentic {round(cct_kelvin)}K color temperature balance, "
+        f"physically-grounded ambient occlusion contact shadows firmly anchoring the base plane, "
+        f"crisp micro-surface geometry (Sobel roughness index {round(mean_gradient, 3)}), "
+        f"smooth luminance falloff and authentic subsurface scattering, 85mm prime lens f/2.0."
+    )
+
+    nano_banana_prompt = (
+        f"optics relight, cct {round(cct_kelvin)}K, light vector azimuth {round(azimuth_deg)} deg elevation {round(elevation_deg)} deg, "
+        f"surface roughness {round(mean_gradient, 4)}, saturation index {round(mean_saturation, 3)}, "
+        f"ground contact occlusion caster, volumetric photon bounce, high-key rim highlight accents, "
+        f"denoising strength 0.38{intent_clause}"
+    )
+
+    return {
+        "thermalDescription": thermal_desc,
+        "findings": findings,
+        "tailoredOptions": tailored_options,
+        "gptImagePrompt": gpt_prompt,
+        "nanoBananaPrompt": nano_banana_prompt,
+    }
+
+def extract_layers(image_path: str, output_dir: str = "Layers", user_intent: Optional[str] = None) -> Dict[str, Any]:
+    abs_image_path = os.path.abspath(image_path)
+    if not os.path.exists(abs_image_path):
+        raise FileNotFoundError(f"Source image not found: {abs_image_path}")
+
+    os.makedirs(output_dir, exist_ok=True)
+    abs_output_dir = os.path.abspath(output_dir)
+
+    img = Image.open(abs_image_path).convert("RGB")
+    rgb = np.array(img, dtype=np.float32)
+    height, width, _ = rgb.shape
+    num_pixels = width * height
+
+    lum = 0.2126 * rgb[:, :, 0] + 0.7152 * rgb[:, :, 1] + 0.0722 * rgb[:, :, 2]
+    norm_lum = lum / 255.0
+
+    hl_mask = np.clip((lum - 170.0) / 75.0, 0.0, 1.0)
+    hl_layer = rgb * hl_mask[:, :, np.newaxis]
+    hl_coverage_pct = float((np.sum(lum > 170.0) / num_pixels) * 100.0)
+    hl_path = os.path.join(abs_output_dir, "01_highlights.png")
+    Image.fromarray(np.uint8(np.clip(hl_layer, 0, 255))).save(hl_path)
+
+    shadow_mask = np.clip((95.0 - lum) / 80.0, 0.0, 1.0)
+    shadow_layer = rgb * shadow_mask[:, :, np.newaxis]
+    shadow_coverage_pct = float((np.sum(lum < 85.0) / num_pixels) * 100.0)
+    shadow_path = os.path.join(abs_output_dir, "02_shadows.png")
+    Image.fromarray(np.uint8(np.clip(shadow_layer, 0, 255))).save(shadow_path)
+
+    ao_mask = np.clip((40.0 - lum) / 40.0, 0.0, 1.0)
+    ao_visual = np.zeros((height, width, 3), dtype=np.float32)
+    ao_visual[:, :, 0] = (1.0 - ao_mask) * 230.0
+    ao_visual[:, :, 1] = (1.0 - ao_mask) * 240.0 + (ao_mask * 15.0)
+    ao_visual[:, :, 2] = (1.0 - ao_mask) * 255.0 + (ao_mask * 30.0)
+    ao_coverage_pct = float((np.sum(lum < 35.0) / num_pixels) * 100.0)
+    ao_path = os.path.join(abs_output_dir, "03_ambient_occlusion.png")
+    Image.fromarray(np.uint8(np.clip(ao_visual, 0, 255))).save(ao_path)
+
+    sobel_x = np.array([[-1, 0, 1], [-2, 0, 2], [-1, 0, 1]], dtype=np.float32)
+    sobel_y = np.array([[-1, -2, -1], [0, 0, 0], [1, 2, 1]], dtype=np.float32)
+    padded_lum = np.pad(norm_lum, 1, mode="edge")
+    gx = np.zeros((height, width), dtype=np.float32)
+    gy = np.zeros((height, width), dtype=np.float32)
+    for i in range(3):
+        for j in range(3):
+            gx += sobel_x[i, j] * padded_lum[i : i + height, j : j + width]
+            gy += sobel_y[i, j] * padded_lum[i : i + height, j : j + width]
+
+    edge_mag = np.sqrt(gx ** 2 + gy ** 2)
+    edge_vis = np.clip(edge_mag * 4.0 * 255.0, 0, 255)
+    mean_gradient = float(np.mean(edge_mag))
+    edge_path = os.path.join(abs_output_dir, "04_edges.png")
+    Image.fromarray(np.uint8(edge_vis)).save(edge_path)
+
+    scale = 6.0
+    nx = -gx * scale
+    ny = -gy * scale
+    nz = np.ones((height, width), dtype=np.float32)
+    mag = np.sqrt(nx ** 2 + ny ** 2 + nz ** 2) + 1e-7
+    nx_norm = nx / mag
+    ny_norm = ny / mag
+    nz_norm = nz / mag
+
+    normal_rgb = np.zeros((height, width, 3), dtype=np.float32)
+    normal_rgb[:, :, 0] = (nx_norm * 0.5 + 0.5) * 255.0
+    normal_rgb[:, :, 1] = (ny_norm * 0.5 + 0.5) * 255.0
+    normal_rgb[:, :, 2] = (nz_norm * 0.5 + 0.5) * 255.0
+    depth_path = os.path.join(abs_output_dir, "05_depth_normals.png")
+    Image.fromarray(np.uint8(np.clip(normal_rgb, 0, 255))).save(depth_path)
+
+    lum_excess = np.maximum(lum - np.mean(lum), 0.0) ** 2
+    sum_w = np.sum(lum_excess) + 1e-7
+    avg_lx = np.sum(nx_norm * lum_excess) / sum_w
+    avg_ly = np.sum(ny_norm * lum_excess) / sum_w
+    avg_lz = np.sum(nz_norm * lum_excess) / sum_w
+    l_mag = np.sqrt(avg_lx**2 + avg_ly**2 + avg_lz**2) + 1e-7
+    avg_lx, avg_ly, avg_lz = avg_lx / l_mag, avg_ly / l_mag, avg_lz / l_mag
+    azimuth_deg = (np.degrees(np.arctan2(-avg_ly, avg_lx)) + 360.0) % 360.0
+    elevation_deg = np.clip(np.degrees(np.arcsin(np.clip(avg_lz, -1.0, 1.0))), 0.0, 90.0)
+
+    max_c = np.maximum(np.maximum(rgb[:, :, 0], rgb[:, :, 1]), rgb[:, :, 2])
+    min_c = np.minimum(np.minimum(rgb[:, :, 0], rgb[:, :, 1]), rgb[:, :, 2])
+    chroma = max_c - min_c
+    sat = np.zeros_like(chroma)
+    non_zero = max_c > 1e-4
+    sat[non_zero] = chroma[non_zero] / max_c[non_zero]
+
+    sat_vis = np.zeros((height, width, 3), dtype=np.float32)
+    sat_vis[:, :, 0] = np.clip(sat * 255.0 * 1.5, 0, 255)
+    sat_vis[:, :, 1] = np.clip((1.0 - np.abs(sat - 0.5) * 2.0) * 220.0, 0, 255)
+    sat_vis[:, :, 2] = np.clip((1.0 - sat) * 200.0, 0, 255)
+    mean_saturation = float(np.mean(sat))
+    chroma_path = os.path.join(abs_output_dir, "06_chroma_saturation.png")
+    Image.fromarray(np.uint8(sat_vis)).save(chroma_path)
+
+    mean_r = float(np.mean(rgb[:, :, 0]))
+    mean_g = float(np.mean(rgb[:, :, 1]))
+    mean_b = float(np.mean(rgb[:, :, 2]))
+    cct_kelvin = calculate_cct(mean_r, mean_g, mean_b)
+
+    diag = build_dynamic_diagnostics(
+        cct_kelvin=cct_kelvin,
+        azimuth_deg=azimuth_deg,
+        elevation_deg=elevation_deg,
+        hl_coverage_pct=hl_coverage_pct,
+        shadow_coverage_pct=shadow_coverage_pct,
+        ao_coverage_pct=ao_coverage_pct,
+        mean_gradient=mean_gradient,
+        mean_saturation=mean_saturation,
+        user_intent=user_intent
+    )
+
+    report = {
+        "sourceImage": abs_image_path,
+        "layersDirectory": abs_output_dir,
+        "dimensions": [width, height],
+        "opticalMetrics": {
+            "cctKelvin": round(cct_kelvin, 1),
+            "dominantLightVector": [round(float(avg_lx), 4), round(float(avg_ly), 4), round(float(avg_lz), 4)],
+            "lightingAngles": {
+                "azimuthDeg": round(float(azimuth_deg), 1),
+                "elevationDeg": round(float(elevation_deg), 1),
+            },
+            "meanLuminance": round(float(np.mean(lum)), 2),
+            "meanSaturation": round(mean_saturation, 3),
+            "edgeRoughness": round(mean_gradient, 4),
+        },
+        "diagnostics": diag,
+        "layers": {
+            "01_highlights": {
+                "file": "01_highlights.png",
+                "path": hl_path,
+                "description": "طبقة الألوان الفاتحة - High-key Luminance & Specular Zones",
+                "coveragePct": round(hl_coverage_pct, 2),
+            },
+            "02_shadows": {
+                "file": "02_shadows.png",
+                "path": shadow_path,
+                "description": "طبقة الألوان الغامقة - Low-key & Shadow Zones",
+                "coveragePct": round(shadow_coverage_pct, 2),
+            },
+            "03_ambient_occlusion": {
+                "file": "03_ambient_occlusion.png",
+                "path": ao_path,
+                "description": "طبقة الظل العالي - High Contact Shadows & Ground Occlusion",
+                "coveragePct": round(ao_coverage_pct, 2),
+            },
+            "04_edges": {
+                "file": "04_edges.png",
+                "path": edge_path,
+                "description": "طبقة الحواف - Sobel High-Frequency Gradient Contours",
+                "meanGradient": round(mean_gradient, 4),
+            },
+            "05_depth_normals": {
+                "file": "05_depth_normals.png",
+                "path": depth_path,
+                "description": "طبقة العمق - 3D Surface Normal Gradient Field (RGB Tangent Map)",
+                "dominantAzimuth": round(float(azimuth_deg), 1),
+                "dominantElevation": round(float(elevation_deg), 1),
+            },
+            "06_chroma_saturation": {
+                "file": "06_chroma_saturation.png",
+                "path": chroma_path,
+                "description": "طبقة الألوان والتشبع والبكسلات - Chrominance & Saturation Distribution",
+                "meanSaturation": round(mean_saturation, 3),
+            },
+        },
+    }
+
+    findings_rendered = "\n\n".join([f"{item}" for item in diag["findings"]])
+    options_rendered = "\n".join([f"- **خيار {idx + 1}**: {opt}" for idx, opt in enumerate(diag["tailoredOptions"])])
+    user_intent_header = f"\n**الهدف المخصص المطلوب**: `{user_intent}`\n" if user_intent else ""
+
+    layer_md_path = os.path.join(abs_output_dir, "Layer.md")
+    layer_md_content = f"""# تقرير الطبقات التحليلية الست (Layer.md)
+**مصدر الصورة**: `{abs_image_path}`  
+**أبعاد الصورة**: `{width}x{height}` بكسل  
+**التصنيف الضوئي المكتشف**: `{diag['thermalDescription']}`  
+**زاوية الإضاءة المسجلة**: سمت `{round(azimuth_deg)}°` | ارتفاع `{round(elevation_deg)}°`{user_intent_header}
+
+---
+
+## 1. فهرس الطبقات التحليلية الست (The 6 Extracted Layers)
+
+| # | اسم الطبقة | الملف المولد | القراءة الفيزيائية المكتشفة |
+|---|---|---|---|
+| **1** | **طبقة الألوان الفاتحة (Highlights)** | [`01_highlights.png`](file:///{hl_path.replace(os.sep, '/')}) | نسبة تغطية الأضواء الساطعة: `{round(hl_coverage_pct, 2)}%` |
+| **2** | **طبقة الألوان الغامقة (Shadows)** | [`02_shadows.png`](file:///{shadow_path.replace(os.sep, '/')}) | مساحة الظلال والمناطق الداكنة: `{round(shadow_coverage_pct, 2)}%` |
+| **3** | **طبقة الظل العالي (Ambient Occlusion)** | [`03_ambient_occlusion.png`](file:///{ao_path.replace(os.sep, '/')}) | كثافة الارتكاز الأرضي وظلال التلامس: `{round(ao_coverage_pct, 2)}%` |
+| **4** | **طبقة الحواف (Edges & Contours)** | [`04_edges.png`](file:///{edge_path.replace(os.sep, '/')}) | تباين الحواف المجهرية لسوبل: `{round(mean_gradient, 4)}` |
+| **5** | **طبقة العمق (3D Depth Normals)** | [`05_depth_normals.png`](file:///{depth_path.replace(os.sep, '/')}) | توجيه التنسور المتجهي ثلاثي الأبعاد: سمت `{round(azimuth_deg)}°` |
+| **6** | **طبقة الألوان والتشبع (Chroma / Saturation)** | [`06_chroma_saturation.png`](file:///{chroma_path.replace(os.sep, '/')}) | متوسط تشبع وتوزيع نقاء الألوان: `{round(mean_saturation, 3)}` |
+
+---
+
+## 2. النتائج البصرية الديناميكية المستخلصة من الصورة (Dynamic Findings)
+
+{findings_rendered}
+
+---
+
+## 3. التوجيه التوليدي المخصص (Calibrated Prompts for Generative Engines)
+
+### أ. موجه GPT Image (DALL-E 3 / GPT-4o Vision):
+> "{diag['gptImagePrompt']}"
+
+### ب. موجه Nano Banana (High-Density Optical Tokenizer):
+> "{diag['nanoBananaPrompt']}"
+
+---
+
+## 4. الخطوة التفاعلية الموجهة بالبيانات (Dynamic Interactive Decision)
+
+**ماذا تريد من تعديل؟**
+بناءً على المعطيات الضوئية المكتشفة في هذه الصورة تحديداً، إليك خيارات التعديل المقترحة:
+
+{options_rendered}
+
+💬 *يمكنك أيضاً طلب أي تعديل مخصص بحرية تامة، وسيتم فوراً توليد برومبت دقيق للغاية أو إنشاء الصورة المعدلة بالكامل!*
+"""
+
+    with open(layer_md_path, "w", encoding="utf-8") as f:
+        f.write(layer_md_content)
+
+    report["layerMarkdownPath"] = layer_md_path
+    return report
+
+def main():
+    parser = argparse.ArgumentParser(description="MarwanDevSpace Dynamic 6-Layer Optical Decomposition")
+    parser.add_argument("--image", "-i", required=True, help="Path to input image")
+    parser.add_argument("--output-dir", "-o", default="Layers", help="Output directory for the 6 layers (default: Layers)")
+    parser.add_argument("--intent", "-t", default=None, help="Optional user modification intent to tailor report and prompts")
+    parser.add_argument("--json", action="store_true", help="Print JSON report to stdout")
+    args = parser.parse_args()
+
+    try:
+        report = extract_layers(args.image, args.output_dir, user_intent=args.intent)
+        if args.json:
+            print(json.dumps(report, indent=2))
+        else:
+            diag = report["diagnostics"]
+            print(f"[MarwanDevSpace] 6 Analytical layers successfully extracted to: {report['layersDirectory']}")
+            print(f"[MarwanDevSpace] Dynamic Layer.md report created: {report['layerMarkdownPath']}")
+            print(f"\nOptical Profile: {diag['thermalDescription']} | Azimuth: {report['opticalMetrics']['lightingAngles']['azimuthDeg']}°")
+            print("\nKey Dynamic Findings:")
+            for f in diag["findings"][:3]:
+                print(f"  • {f}")
+            print("\n[Interactive Decision Point]: ماذا تريد من تعديل؟")
+            for opt in diag["tailoredOptions"]:
+                print(f"  - {opt}")
+    except Exception as e:
+        print(f"[Error] Failed to extract layers: {e}", file=sys.stderr)
+        sys.exit(1)
+
+if __name__ == "__main__":
+    main()