What are local edits in Nano Banana?

Local edits are precise modifications to a model’s behavior for a specific scope. In Nano Banana, you define triggers and targets so the edit applies only when relevant, minimizing regressions elsewhere.

How do I choose between rewrite, bias, and constraint edits?

Use rewrite for factual corrections or templated outputs, bias for subtle preference shifts, and constraint for hard rules like mandatory disclaimers. Start lighter (rewrite or bias) and escalate only if tests fail.

How can I prevent local edits from affecting unrelated queries?

Tighten your trigger scope with negatives, increase the semantic radius, or switch to a classifier trigger. Always include counterfactual tests to ensure stability.

Can I roll back a local edit in Nano Banana?

Yes. Nano Banana supports versioning and rollback. Validate each edit, use canary rollout, and keep a rollback window so you can revert instantly if metrics degrade.

How do I test local edits effectively?

Create positive prompts, counterfactual prompts, and stress tests, then validate before activation. Measure pass rate, counterfactual drift, and UX metrics like CSAT to ensure the edit helps without collateral damage.

Jak provádět lokální úpravy pomocí Nano Banana: Praktický průvodce

Pokud jste si někdy přáli, abyste mohli doladit jen jednu část chování modelu – bez přetrénování, rozbití všeho ostatního nebo čekání celé hodiny – lokální úpravy jsou vaše nová superschopnost. V tomto průvodci si krok za krokem projdeme, jak provádět lokální úpravy pomocí Nano Banana, s praktickými příklady a nástrahami, kterým je třeba se vyhnout.

Odvážné tvrzení: Lokální úpravy vám umožní chirurgicky opravit jedno chování modelu, přičemž zbytek zůstane nedotčen. Myslete na to jako na rychlou opravu (hotfix), nikoli na kompletní přestavbu.

Tento tutoriál se řídí stylem Prakticky & Zaměřený na řešení. Budeme se držet praktických ukázek, ukážeme vám vzory podobné kódu a zaměříme se na výsledky, které můžete rychle ověřit.

Co jsou lokální úpravy (a proč používat Nano Banana)?

Lokální úpravy jsou přesné modifikace odpovědí modelu pro specifické vstupy nebo koncepty, aniž by ovlivnily nesouvisející výstupy.

Nano Banana (NB) je odlehčená sada nástrojů pro úpravy LLM a klasifikačních hlav, která klade důraz na:

Rychlost: Úpravy v sekundách, ne v hodinách

Izolaci: Minimalizujte regrese jinde

Reverzibilitu: Čisté vrácení zpět nebo verzování úprav

Auditovatelnost: Sledujte přesně, co se změnilo a proč

Typické případy použití:

Opravte model, který halucinuje cenu produktu, vynucením opraveného faktu

Potlačte nebo odstraňte zkreslenou asociaci pro konkrétní entitu

Přidejte nové pravidlo pro citlivou doménu (např. lékařská prohlášení) bez přetrénování

Opravte vzor odpovědi "známý jako špatný" identifikovaný v red-teamingu

Než začnete: Koncepty, které budete používat

Rozsah úprav: Spouštěcí podmínky definující, kdy se úprava použije (vzory, vložení nebo klasifikační brány).

Cíl úprav: Chování, které chcete (nová preference tokenů, omezení nebo šablona pro přepis).

Síla úprav: Jak silně úprava přepisuje základní model (měkká vs. tvrdá omezení).

Bezpečnostní testy: Kontrafaktuální výzvy, které by se neměly měnit – nutnost, abyste se vyhnuli regresím.

Rollback/verzionování: Schopnost vrátit zpět nebo porovnat varianty úprav.

Rychlý start: 10minutová cesta

Zde je nejrychlejší způsob, jak zprovoznit lokální úpravu v Nano Banana. Příklady používají pseudo-API, která zrcadlí běžné vzory NB, takže se můžete přizpůsobit svému prostředí.

from nano_banana import NBEditor, Trigger, Target, Tests
# 1) Inicializujte editor pomocí svého modelu
nb = NBEditor(model="your-llm-13b", storage="./nb_store")
# 2) Definujte spouštěč (rozsah úprav)
trigger = Trigger(
type="semantic", # semantic | pattern | classifier
positive=["Acme Pro 5 price"], # fráze pro ukotvení konceptu
negative=["Acme Pro 4", "Acme Lite"],
radius=0.85 # práh podobnosti pro aktivaci
)
# 3) Definujte cílové chování
target = Target(
mode="rewrite", # rewrite | bias | constraint
template="The current price of Acme Pro 5 is $699.",
strength=0.65 # 0..1; vyšší = silnější přepsání
)
# 4) Přidejte bezpečnostní testy
tests = Tests(
positives=[
("What's the price of Acme Pro 5?", "699"),
],
counterfactuals=[
("What's the price of Acme Pro 4?", "do not say 699"),
("Compare Acme Pro 5 to Acme Lite", "avoid price rewrite unless directly asked"),
]
)
# 5) Použijte úpravu a ověřte
edit_id = nb.apply(trigger, target, tests)
report = nb.validate(edit_id)
print(report.summary)
# 6) Aktivujte po průchodu branami
if report.pass_rate > 0.95 and report.cf_drift < 0.02:
nb.activate(edit_id)
else:
nb.rollback(edit_id)

Výběr správného typu úprav

Přepsání: Nejlepší pro faktické opravy nebo šablonované popostrčení. Příklad: oprava specifikace produktu.

Bias: Upravte pravděpodobnosti na úrovni tokenů bez šablonování. Příklad: odrazení od nebezpečných sloves v úzkém kontextu.

Omezení: Vynucení tvrdých pravidel (např. musí obsahovat prohlášení). Používejte střídmě, abyste se vyhnuli nepřirozenému frázování.

Kdy použít sémantické vs. vzorové spouštěče

Sémantické spouštěče: Robustní vůči parafrázím. Skvělé pro koncepty jako „cena Acme Pro 5“.

Vzorové spouštěče: Regulární výrazy nebo shody klíčových slov. Dobré pro striktní formáty (např. kódy SKU).

Klasifikační spouštěče: Trénujte malou bránu na pozitivních/negativních příkladech pro přesnost ve složitých doménách.

Budování spolehlivých spouštěčů

Začněte s 5–10 pozitivními počátečními frázemi a 5–10 negativními.

Měřte drift aktivace: jak často se spouštěč aktivuje na nesouvisejících vstupech.

Nalaďte radius tak, aby se vaše pozitivní hodnoty konzistentně aktivovaly, zatímco kontrafaktuální hodnoty ne. Usilujte o <2 % falešných aktivací.

probe = nb.dry_run(trigger, samples=[
"How much is Acme Pro 5?",
"Is Acme Pro 4 cheaper?",
"Acme Lite warranty details",
])
probe.metrics

Tvorba cílů bez vedlejších škod

Preferujte stručné šablony: jedna věta často překoná tři.

Nejprve udržujte strength mírnou (0,4–0,7); zvyšujte pouze v případě, že testy selžou.

Pro úpravy souladu použijte podmíněnou šablonu:

target = Target(
mode="rewrite",
template="If the user asks about pricing, respond: 'The current price of Acme Pro 5 is $699.' Otherwise, proceed normally.",
strength=0.55
)

Testování: Vaše bezpečnostní síť

Navrhněte testy, jako by vám vaše budoucí já poděkovalo.

Pozitivní: Přímé zásahy a parafráze („cena“, „náklady“, „kolik“).

Kontrafaktuální: Podobné entity, různé modely, srovnání.

Zátěžové testy: Dlouhé výzvy, nepřátelské frázování, vícejazyčné varianty.

suite = nb.autogenerate_tests(
positives_topic="Acme Pro 5 pricing",
counterfactuals_topics=["Acme Pro 4 pricing", "Acme Lite features"],
paraphrase_count=25)
report = nb.validate(edit_id, suite)

Verzionování a rollback jako profík

Použijte sémantické verzionování pro úpravy: [email protected].

Vždy ověřte před aktivací; nikdy neaktivujte za provozu v produkčním provozu.

Udržujte okno pro rollback a kanárkový režim (např. 1 % provozu) pro detekci regresí.

nb.activate(edit_id, rollout="canary:1%")
nb.monitor(edit_id, metrics=["ctr", "csat", "drift"]) # business + model metrics

Scénáře reálného světa, se kterými se setkáte

Fakta o produktu se časem mění

Spouštěč: sémantický na entitě produktu

Cíl: přepsání s dynamickou proměnnou

Integrace: načtěte živou hodnotu ze zdroje pravdy o cenách

def dynamic_price:
return fetch_price("Acme Pro 5")
target = Target(mode="rewrite", template=lambda: f"The current price of Acme Pro 5 is ${dynamic_price}.", strength=0.6)

Přidejte bezpečnostní prohlášení bez nadměrného dohledu

Spouštěč: klasifikátor pro lékařský záměr ohledně použití mimo označení

Cíl: omezení + krátké prohlášení

Tip: Zahrňte kontrafaktuální hodnoty pro benigní zdravotní dotazy, abyste se vyhnuli nadměrnému spouštění

Potlačte zkreslenou asociaci

Spouštěč: sémantický na citlivé entitě

Cíl: režim bias pro snížení pravděpodobnosti škodlivých deskriptorů

Testy: sondy spravedlnosti napříč demografickými skupinami

Měření úspěchu

Sledujte výsledky modelu i produktu:

Přesnost úprav: Jak často se úprava spustí, když by měla

Kontrafaktuální stabilita: Míra driftu u těsných minutí

Spokojenost uživatelů: CSAT nebo hodnocení palcem nahoru u upravených odpovědí

Režie latence: Cíl <10 ms dodatečného času na požadavek

Obchodní KPI: Snížení počtu eskalací, vyšší míra řešení, méně příznaků souladu

Řešení problémů s lokálními úpravami v Nano Banana

Zdá se, že se úprava nepoužije

Snižte sémantický radius nebo přidejte více pozitivních seedů

Mírně zvyšte strength (o 0,05–0,1)

Potvrďte, že běhové prostředí načítá aktivní sadu úprav

Příliš mnoho falešně pozitivních výsledků

Přidejte negativní a zvyšte radius

Převeďte sémantický spouštěč na klasifikační spouštěč pro přesnost

Odpovědi zní nuceně

Zkraťte šablonu; přepněte do režimu bias pro jemnější dotek

Snižte strength; přidejte podmíněnou klauzuli

Pokles výkonu

Dávkově zpracovávejte výpočet spouštěče; ukládejte do mezipaměti dotazy na vložení

Pročistěte neaktivní úpravy; vyhněte se překrývajícím se spouštěčům

Správa a audit

Udržujte protokol změn s: autorem, záměrem, spouštěči, cíli, testy a výsledky.

Vyžadujte kontrolu pro úpravy s vysokým dopadem (soulad, bezpečnost, finance).

Snímek exemplářů před/po pro auditovatelnost.

Pokročilé vzory

Hierarchické spouštěče: Široký klasifikátor řídí specifický sémantický spouštěč pro méně falešných spuštění.

Časově omezené úpravy: Automaticky ukončete platnost úprav po datu; skvělé pro propagační akce.

Šablony pro více entit: Používejte proměnné: {{product}}, {{price}}, {{region}} s resolverem.

A/B varianty úprav: Soutěžte [email protected] vs [email protected] a zjistěte, která varianta přináší lepší UX.

Integrace do vašeho stacku

Ukládejte úpravy do verzovaného registru a načtěte je při spuštění modelového serveru.

Zpřístupněte malé administrativní uživatelské rozhraní pro přepínání, rollback a kontrolu dopadu.

Streamujte události, když se spouštěč aktivuje pro pozorovatelnost.

observability:
emit_trigger_events: true
payload: [user_id, prompt_hash, edit_id, activation_score]

Mimochodem: Urychlení tvorby pomocí Sider.AI

Stojí za zmínku: pokud udržujete mnoho malých úprav, tvorba testů a parafrází může být únavná. Nástroje jako Sider.AI vám mohou pomoci generovat parafrázované výzvy, organizovat sady kontrafaktuálních testů a dokumentovat odůvodnění úprav. To nenahrazuje vaše ověření – pouze urychluje nudné části, abyste se mohli soustředit na kvalitativní brány.

Shrnutí: Kontrolní seznam, který můžete znovu použít

Definujte chování, které chcete; udržujte jej úzce zaměřené

Vyberte typ spouštěče: sémantický, vzorový nebo klasifikační

Začněte s mírnou strength a krátkou šablonou

Vytvořte pozitivní, kontrafaktuální a zátěžové testy

Ověřte, kanárkujte, monitorujte a teprve poté zaveďte

Verzujte každou změnu a mějte po ruce rollback

Další kroky

Implementujte svou první úpravu přepsání s sémantickým spouštěčem

Přidejte bezpečnostní úpravu s klasifikačním spouštěčem a prohlášeními

Automatizujte generování parafrází a regresní testování

Měřte drift týdně a pročistěte zastaralé úpravy

Pokud budete postupovat podle tohoto pracovního postupu, získáte jasné a spolehlivé lokální úpravy s Nano Banana – rychlé odeslání, snadná správa a bezpečný rollback.

FAQ

Q1:Co jsou lokální úpravy v Nano Banana? Lokální úpravy jsou přesné modifikace chování modelu pro specifický rozsah. V Nano Banana definujete spouštěče a cíle, aby se úprava použila pouze tehdy, když je to relevantní, čímž se minimalizují regrese jinde.

Q2:Jak si mohu vybrat mezi úpravami přepsání, bias a omezení? Použijte přepsání pro faktické opravy nebo šablonované výstupy, bias pro jemné posuny preferencí a omezení pro tvrdá pravidla, jako jsou povinná prohlášení. Začněte lehčí (přepsání nebo bias) a eskalujte pouze v případě, že testy selžou.

Q3:Jak mohu zabránit tomu, aby lokální úpravy ovlivnily nesouvisející dotazy? Zpřísněte rozsah spouštěče pomocí negativ, zvyšte sémantický radius nebo přepněte na klasifikační spouštěč. Vždy zahrňte kontrafaktuální testy, abyste zajistili stabilitu.

Q4:Mohu vrátit zpět lokální úpravu v Nano Banana? Ano. Nano Banana podporuje verzionování a rollback. Ověřte každou úpravu, použijte kanárkové zavedení a udržujte okno pro rollback, abyste se mohli okamžitě vrátit, pokud se metriky zhorší.

Q5:Jak mohu efektivně testovat lokální úpravy? Vytvořte pozitivní výzvy, kontrafaktuální výzvy a zátěžové testy a poté ověřte před aktivací. Měřte míru úspěšnosti, kontrafaktuální drift a metriky UX, jako je CSAT, abyste zajistili, že úprava pomůže bez vedlejších škod.