diff --git a/extensions/index.ts b/extensions/index.ts
index d074d0b..b7b6f8e 100644
--- a/extensions/index.ts
+++ b/extensions/index.ts
@@ -467,6 +467,77 @@ async function webSearchGemini(query: string, signal?: AbortSignal): Promise<str
 	}
 }
 
+// Chiamata generica alla Gemini API (solo testo, nessun tool). Restituisce la
+// risposta completa oppure stringa vuota in caso di errore.
+async function geminiText(prompt: string, signal?: AbortSignal): Promise<string> {
+	let key = getConfig("geminiApiKey") ?? process.env.GEMINI_API_KEY ?? "";
+	if (!key) {
+		try {
+			key = fs.readFileSync(path.join(AGY_CHAT_DIR, "gemini-key"), "utf8").trim();
+		} catch {
+			/* ignora */
+		}
+	}
+	if (!key) return "";
+	const model = process.env.AGY_GEMINI_MODEL ?? "gemini-3.5-flash";
+	try {
+		const res = await fetch(
+			`https://generativelanguage.googleapis.com/v1beta/models/${model}:generateContent?key=${encodeURIComponent(key)}`,
+			{
+				method: "POST",
+				signal,
+				headers: { "Content-Type": "application/json" },
+				body: JSON.stringify({
+					contents: [{ role: "user", parts: [{ text: prompt }] }],
+				}),
+			},
+		);
+		if (!res.ok) return "";
+		const data: any = await res.json();
+		const text = data?.candidates?.[0]?.content?.parts?.map((p: any) => p.text ?? "").join(" ") ?? "";
+		return text.trim();
+	} catch {
+		return "";
+	}
+}
+
+// Genera DINAMICAMENTE uno script Python/OpenCV specifico per i requisiti,
+// usando l'LLM. Lo script legge l'immagine da argv[1] e stampa su stdout un JSON
+// standard: {"pass": bool, "score": 0..1, "findings": [...], "errors": [...]}.
+async function generateOpenCVScript(requirements: string): Promise<string> {
+	const prompt =
+		`Sei un esperto di computer vision con OpenCV. Scrivi UN SINGOLO script Python (solo codice, senza markdown) che verifichi un'immagine rispetto a questi requisiti:\n\n` +
+		`REQUISITI: ${requirements}\n\n` +
+		`Lo script:\n` +
+		`- legge il percorso immagine da sys.argv[1]\n` +
+		`- importa solo cv2, numpy, json, sys (e eventuali standard library)\n` +
+		`- esegue verifiche OGGETTIVE pertinenti ai requisiti (es. intervalli di colore HSV, forme/contorni, simmetria, testo, dimensioni, orientamento, ecc.)\n` +
+		`- stampa su stdout UN SOLO oggetto JSON: {"pass": true/false, "score": 0..1, "findings": [stringhe], "errors": [stringhe]}\n` +
+		`  - pass: true se l'immagine rispetta i requisiti\n` +
+		`  - score: grado di conformità da 0 a 1\n` +
+		`  - findings: brevi note oggettive misurate (es. "colore dominante rosso RGB(200,30,30)")\n` +
+		`  - errors: eventuali problemi di lettura/verifica\n` +
+		`- NON deve fallire se l'immagine è leggibile: gestisci con try/except e metti l'errore in errors\n` +
+		`- usa solo OpenCV, numpy e librerie standard (nessuna libreria esterna)\n\n` +
+		`Restituisci SOLO il codice Python, nessun testo aggiuntivo, nessun blocco markdown.`;
+	const code = await geminiText(prompt);
+	// rimuovi eventuali fence markdown
+	return code.replace(/```python|```/g, "").trim();
+}
+
+// Esegue lo script OpenCV generato sull'immagine e restituisce il JSON su stdout.
+async function runOpenCVScript(script: string, imagePath: string): Promise<string> {
+	if (!script) return "";
+	try {
+		const { stdout } = await execFileAsync("python3", ["-c", script, imagePath], {
+			timeout: 20_000,
+		});
+		return stdout.trim();
+	} catch {
+		return "";
+	}
+}
+
 // Cache anti-ridondanza: evita ricerche web ripetute sullo stesso topic in una
 // finestra breve (il multi-step reasoning lancia prompt simili in sequenza).
 let lastSearch = { topic: "", time: 0 };
@@ -1692,6 +1763,14 @@ export default function agyExtension(pi: ExtensionAPI) {
 			}[] = [];
 			let finalText = "";
 
+			// Genera DINAMICAMENTE lo script OpenCV specifico per i requisiti (una volta,
+			// i requisiti sono fissi) e lo riusa in ogni iterazione del loop.
+			let cvScript = "";
+			if (useCV) {
+				toolUpdate(onUpdate, "agy_create_verified: generazione script OpenCV dinamico...");
+				cvScript = await generateOpenCVScript(requirements);
+			}
+
 			for (let iter = 1; iter <= maxIter; iter++) {
 				toolUpdate(
 					onUpdate,
@@ -1734,15 +1813,33 @@ export default function agyExtension(pi: ExtensionAPI) {
 					signal,
 				});
 				const verdict = judgeRes.text.trim();
-				const pass = /^\s*PASS:?/i.test(verdict);
+				const visionPass = /^\s*PASS:?/i.test(verdict);
 				lastIssues = verdict;
 
-				// 3) Metriche OpenCV oggettive (opzionale)
+				// 3) Verifica OpenCV DINAMICA (script generato dall'LLM per i requisiti)
 				let cvMetrics = "";
-				if (useCV) {
-					cvMetrics = await runOpenCV(imgPath);
+				let ocvPass: boolean | null = null;
+				if (useCV && cvScript) {
+					const out = await runOpenCVScript(cvScript, imgPath);
+					cvMetrics = out;
+					try {
+						const parsed = JSON.parse(out);
+						ocvPass = typeof parsed.pass === "boolean" ? parsed.pass : null;
+						if (typeof parsed.score === "number") cvMetrics += `\nscore: ${parsed.score}`;
+						if (Array.isArray(parsed.findings) && parsed.findings.length)
+							cvMetrics += `\nfindings: ${parsed.findings.join("; ")}`;
+					} catch {
+						ocvPass = null;
+					}
+					// Se OpenCV rileva non conformità, le aggiunge alle issue per guidare la rigenerazione
+					if (ocvPass === false) {
+						lastIssues = `${verdict}\nVerifica OpenCV: ${cvMetrics}`;
+					}
 				}
 
+				// Conforme solo se visione PASS e (se disponibile) anche OpenCV PASS
+				const pass = visionPass && (ocvPass === null || ocvPass === true);
+
 				report.push({ iteration: iter, pass, imagePath: imgPath, verdict, opencv: cvMetrics });
 
 				if (pass) {