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.

Kaip atlikti vietinius redagavimus su Nano Banana: praktinis vadovas

Jei kada nors norėjote pakoreguoti tik vieną modelio elgesio dalį – be perkvalifikavimo, be kitų funkcijų sutrikdymo ar valandų laukimo – vietiniai redagavimai yra jūsų nauja supergalia. Šiame vadove žingsnis po žingsnio parodysime, kaip atlikti vietinius redagavimus su Nano Banana, pateikdami praktinių pavyzdžių ir įspėjimų, kurių reikėtų vengti.

Drąsus pareiškimas: vietiniai redagavimai leidžia chirurgiškai pataisyti vieną modelio elgesio aspektą, paliekant likusią dalį nepakitusį. Galvokite apie greitą pataisą, o ne viso modelio perstatymą.

Šis pamokymas yra praktinis ir orientuotas į sprendimus. Laikysimės praktinio požiūrio, rodysime kodo pavyzdžius ir susitelksime į greitai patikrinamus rezultatus.

Kas yra vietiniai redagavimai (ir kodėl naudoti Nano Banana)?

Vietiniai redagavimai – tai tikslūs modelio atsakymų pakeitimai tam tikriems įvesties ar koncepcijų atvejams, nepaveikiantys nesusijusių rezultatų.

Nano Banana (NB) yra lengvas redagavimo įrankių rinkinys LLM ir klasifikatorių galvutėms, kuris akcentuoja:

Greitį: redagavimai per sekundes, o ne valandas

Izoliaciją: minimalizuoti regresijas kitur

Grąžinamumą: aiškus redagavimų atšaukimas ar versijavimas

Auditabilumą: tiksliai sekti, kas pasikeitė ir kodėl

Tipinės panaudojimo situacijos:

Pataisyti modelį, kuris klaidingai nurodo produkto kainą, įvedant teisingą faktą

Sumažinti ar pašalinti šališką asociaciją konkrečiam subjektui

Pridėti naują taisyklę jautrioje srityje (pvz., medicinos atsakomybės atsisakymas) be perkvalifikavimo

Pataisyti „žinomą blogą“ atsakymo modelį, identifikuotą raudonojo komandos testavimo metu

Prieš pradėdami: sąvokos, kurias naudosite

Redagavimo apimtis: sąlygos, kada redagavimas taikomas (modeliai, įterpiniai ar klasifikatoriaus vartai).

Redagavimo tikslas: norimas elgesys (naujas žodžių prioritetas, apribojimas ar perrašymo šablonas).

Redagavimo stiprumas: kaip stipriai redagavimas pakeičia pagrindinį modelį (minkšti arba griežti apribojimai).

Saugumo testai: kontrafaktiniai užklausimai, kurie neturėtų keistis – būtina vengti regresijų.

Atšaukimas/versijavimas: galimybė atšaukti ar palyginti redagavimo variantus.

Greitas pradėjimas: 10 minučių kelias

Čia pateikiamas greičiausias būdas įgyvendinti vietinį redagavimą su Nano Banana. Pavyzdžiai naudoja pseudo-API, atitinkančius įprastus NB modelius, kad galėtumėte pritaikyti savo aplinkoje.

from nano_banana import NBEditor, Trigger, Target, Tests
# 1) Inicializuokite redaktorių su savo modeliu
nb = NBEditor(model="your-llm-13b", storage="./nb_store")
# 2) Apibrėžkite aktyviklį (redagavimo apimtį)
trigger = Trigger(
type="semantic", # semantic | pattern | classifier
positive=["Acme Pro 5 price"], # frazės konceptui įtvirtinti
negative=["Acme Pro 4", "Acme Lite"],
radius=0.85 # aktyvacijos panašumo slenkstis
)
# 3) Apibrėžkite tikslinį elgesį
target = Target(
mode="rewrite", # rewrite | bias | constraint
template="The current price of Acme Pro 5 is $699.",
strength=0.65 # 0..1; didesnis = stipresnis perrašymas
)
# 4) Pridėkite saugumo testus
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) Taikykite redagavimą ir patikrinkite
edit_id = nb.apply(trigger, target, tests)
report = nb.validate(edit_id)
print(report.summary)
# 6) Aktyvuokite, jei praeina patikrinimus
if report.pass_rate > 0.95 and report.cf_drift < 0.02:
nb.activate(edit_id)
else:
nb.rollback(edit_id)

Kaip pasirinkti tinkamą redagavimo tipą

Perrašymas: geriausias faktų taisymams ar šabloniniams patikslinimams. Pavyzdys: produkto specifikacijos pataisymas.

Šališkumas: koreguoja žodžių tikimybę be šablonų. Pavyzdys: sumažinti nesaugias veiksmažodžių formas siauroje srityje.

Apribojimas: taiko griežtas taisykles (pvz., privalomas atsakomybės atsisakymas). Naudokite saikingai, kad išvengtumėte nenatūralaus teksto.

Kada naudoti semantinius ar šabloninius aktyviklius

Semantiniai aktyvikliai: atsparūs parafrazėms. Puikūs koncepcijoms kaip „Acme Pro 5 kaina“.

Šabloniniai aktyvikliai: regex arba raktinių žodžių atitikimai. Tinka griežtiems formatams (pvz., SKU kodams).

Klasifikatoriaus aktyvikliai: treniruokite mažą vartus su teigiamais/neigiamais pavyzdžiais, kad tiksliai veiktų sudėtingose srityse.

Patikimų aktyviklių kūrimas

Pradėkite nuo 5–10 teigiamų ir 5–10 neigiamų frazių.

Matuokite aktyvacijos nukrypimus: kaip dažnai aktyviklis įsijungia nesusijusioms įvestims.

Reguliuokite radius, kad teigiamos frazės visada aktyvuotų, o kontrafaktinės – ne. Siekite mažiau nei 2 % klaidingų aktyvacijų.

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

Tikslų kūrimas be šalutinio poveikio

Rinkitės trumpus šablonus: viena frazė dažnai geriau nei trys.

Iš pradžių laikykite stiprumą vidutinį (0.4–0.7); didinkite tik jei testai nepraeina.

Atitikties redagavimams naudokite sąlyginį šabloną:

target = Target(
mode="rewrite",
template="Jei vartotojas klausia apie kainas, atsakykite: 'Dabartinė Acme Pro 5 kaina yra $699.' Kitu atveju elkitės įprastai.",
strength=0.55
)

Testavimas: jūsų saugumo tinklas

Kurkite testus taip, lyg ateities jūs jums dėkotų.

Teigiami: tiesioginiai atitikimai ir parafrazės („kaina“, „kiek kainuoja“, „kaip brangu“).

Kontrafaktiniai: panašūs subjektai, kiti modeliai, palyginimai.

Streso testai: ilgi užklausimai, priešiškos frazės, daugiakalbiai variantai.

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)

Profesionalus versijavimas ir atšaukimas

Naudokite semantinį versijavimą redagavimams: [email protected].

Visada tikrinkite prieš aktyvavimą; niekada neaktyvuokite tiesiogiai gamybinėje aplinkoje.

Laikykite atšaukimo langą ir kanarėlės režimą (pvz., 1 % srauto), kad aptiktumėte regresijas.

nb.activate(edit_id, rollout="canary:1%")
nb.monitor(edit_id, metrics=["ctr", "csat", "drift"]) # verslo ir modelio metrikos

Tikros situacijos, su kuriomis susidursite

Produktų faktai keičiasi laikui bėgant

Aktyviklis: semantinis ant produkto subjekto

Tikslas: perrašymas su dinamiška kintamąja

Integracija: traukti gyvą kainos reikšmę iš patikimo šaltinio

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)

Pridėti saugumo atsisakymus be per didelio reguliavimo

Aktyviklis: klasifikatorius medicinos ketinimui apie neleistiną naudojimą

Tikslas: apribojimas + trumpas atsakomybės atsisakymas

Patarimas: įtraukite kontrafaktinius testus nekaltoms sveikatos užklausoms, kad išvengtumėte per aktyvavimo

Sumažinti šališką asociaciją

Aktyviklis: semantinis jautriam subjektui

Tikslas: šališkumo režimas sumažinti žalingų aprašymų tikimybę

Testai: teisingumo patikrinimai pagal demografinius rodiklius

Sėkmės matavimas

Sekite tiek modelio, tiek produkto rezultatus:

Redagavimo tikslumas: kaip dažnai redagavimas aktyvuojamas tinkamai

Kontrafaktinė stabilumas: nukrypimų dažnis arti ribos

Vartotojų pasitenkinimas: CSAT ar „patinka“ rodiklis redaguotuose atsakymuose

Vėlavimo pridėtis: tikslas <10 ms papildomo laiko už užklausą

Verslo KPI: sumažėjusios eskalacijos, didesnis sprendimų procentas, mažiau atitikties pažeidimų

Vietinių redagavimų trikčių šalinimas Nano Banana

Redagavimas neatrodo taikomas

Sumažinkite semantinį radiusą arba pridėkite daugiau teigiamų pavyzdžių

Šiek tiek padidinkite stiprumą (0.05–0.1)

Patikrinkite, ar vykdymo metu įkeltas aktyvus redagavimų rinkinys

Pernelyg daug klaidingų teigiamų rezultatų

Pridėkite neigiamų pavyzdžių ir padidinkite radiusą

Pakeiskite iš semantinio į klasifikatoriaus aktyviklį didesniam tikslumui

Atsakymai skamba priverstinai

Sutrumpinkite šabloną; pereikite į šališkumo režimą švelnesniam poveikiui

Sumažinkite stiprumą; pridėkite sąlyginį sakinį

Veikimo sulėtėjimai

Grupuokite aktyviklio skaičiavimus; kešuokite įterpinių užklausas

Iškirpkite neaktyvius redagavimus; venkite aktyviklių persidengimų

Valdymas ir auditas

Laikykite pakeitimų žurnalą su: autoriumi, tikslu, aktyvikliais, tikslais, testais ir rezultatais.

Reikalaukite peržiūros svarbiems redagavimams (atitiktis, saugumas, finansai).

Fiksuokite pavyzdžius prieš ir po redagavimo audito tikslams.

Pažangūs modeliai

Hierarchiniai aktyvikliai: platus klasifikatorius valdo specifinį semantinį aktyviklį, kad sumažintų klaidingas aktyvacijas.

Laiko ribojami redagavimai: automatinis galiojimo pabaigos nustatymas – puiku akcijoms.

Daugiasubjekčių šablonai: naudokite kintamuosius: {{product}}, {{price}}, {{region}} su sprendėju.

A/B redagavimo variantai: varžykite [email protected] prieš [email protected], kad pamatytumėte, kuris duoda geresnę UX.

Integracija į jūsų sistemą

Saugo redagavimus versijuotame registre ir įkelia juos modelio serverio paleidimo metu.

Pateikia mažą administravimo sąsają redagavimų perjungimui, atšaukimui ir poveikio patikrinimui.

Transliuoja įvykius, kai aktyvuojamas aktyviklis, stebimumui.

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

Beje: autoriaus darbo spartinimas su Sider.AI

Vertėtų paminėti: jei turite daug smulkių redagavimų, testų ir parafrazių kūrimas gali tapti varginantis. Tokie įrankiai kaip Sider.AI gali padėti generuoti parafrazuotus užklausimus, organizuoti kontrafaktinius testų rinkinius ir dokumentuoti redagavimų motyvus. Tai nepakeičia jūsų validacijos – tik pagreitina nuobodžias dalis, kad galėtumėte susitelkti į kokybės patikras.

Apibendrinimas: pakartotinai naudojamas kontrolinis sąrašas

Apibrėžkite norimą elgesį; laikykite jį siaurai apibrėžtą

Pasirinkite aktyviklio tipą: semantinis, šabloninis ar klasifikatorius

Pradėkite nuo vidutinio stiprumo ir trumpo šablono

Sukurkite teigiamus, kontrafaktinius ir streso testus

Patikrinkite, naudokite kanarėlės režimą, stebėkite ir tik tada diekite plačiai

Versijuokite kiekvieną pakeitimą ir laikykite atšaukimo galimybę paruoštą

Tolimesni žingsniai

Įgyvendinkite pirmą semantinį perrašymo redagavimą

Pridėkite klasifikatoriaus aktyviklio saugumo redagavimą su atsisakymais

Automatizuokite parafrazių generavimą ir regresijos testus

Matavimą atnaujinkite kas savaitę ir šalinkite pasenusius redagavimus

Jei laikysitės šio darbo proceso, gausite aiškius, patikimus vietinius redagavimus su Nano Banana – greitai diegiamus, lengvai valdomus ir saugius atšaukti.

DUK

Q1: Kas yra vietiniai redagavimai Nano Banana? Vietiniai redagavimai – tai tikslūs modelio elgesio pakeitimai tam tikroje srityje. Nano Banana apibrėžiate aktyviklius ir tikslus, kad redagavimas taikytųsi tik aktualioms situacijoms, sumažinant regresijas kitur.

Q2: Kaip pasirinkti tarp perrašymo, šališkumo ir apribojimų redagavimų? Naudokite perrašymą faktų taisymams ar šabloniniams atsakymams, šališkumą – subtiliems prioritetų pokyčiams, apribojimus – griežtoms taisyklėms, pvz., privalomiems atsisakymams. Pradėkite nuo švelnesnių (perrašymas ar šališkumas) ir didinkite tik jei testai nepraeina.

Q3: Kaip išvengti, kad vietiniai redagavimai paveiktų nesusijusias užklausas? Sutvirtinkite aktyviklio apimtį neigiamais pavyzdžiais, padidinkite semantinį radiusą arba perjunkite į klasifikatoriaus aktyviklį. Visada įtraukite kontrafaktinius testus stabilumui užtikrinti.

Q4: Ar galima atšaukti vietinį redagavimą Nano Banana? Taip. Nano Banana palaiko versijavimą ir atšaukimą. Patikrinkite kiekvieną redagavimą, naudokite kanarėlės diegimą ir laikykite atšaukimo langą, kad galėtumėte greitai grįžti, jei metrikos pablogėtų.

Q5: Kaip efektyviai testuoti vietinius redagavimus? Sukurkite teigiamas užklausas, kontrafaktines užklausas ir streso testus, tada patikrinkite prieš aktyvavimą. Matuokite praeinamumo rodiklį, kontrafaktinį nukrypimą ir UX metrikas, pvz., CSAT, kad įsitikintumėte, jog redagavimas padeda be šalutinio poveikio.