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.

Kako izvajati lokalne popravke z Nano Banana: Praktični vodnik

Si kdaj želeli, da bi lahko popravili samo en del delovanja modela – brez ponovnega usposabljanja, uničenja vsega ostalega ali večurnega čakanja? Potem so lokalni popravki vaša nova supermoč. V tem vodniku vas bomo korak za korakom vodili skozi izvajanje lokalnih popravkov z Nano Banana, s praktičnimi primeri in pastmi, ki se jim morate izogniti.

Drzna trditev: Lokalni popravki vam omogočajo kirurško popravljanje enega samega vedenja modela, medtem ko ostalo ostane nedotaknjeno. Pomislite na hitri popravek, ne na ponovno izgradnjo.

Ta vadnica sledi praktičnemu in rešitvam usmerjenemu slogu. Osredotočili se bomo na praktične primere, prikazali vzorce, podobne kodi, in se osredotočili na rezultate, ki jih lahko hitro preverite.

Kaj so lokalni popravki (in zakaj uporabljati Nano Banana)?

Lokalni popravki so natančne spremembe odzivov modela za določene vnose ali koncepte, ne da bi to vplivalo na nepovezane izhode.

Nano Banana (NB) je lahek komplet orodij za urejanje za LLM-je in glave klasifikatorjev, ki poudarja:

Hitrost: Popravki v nekaj sekundah, ne urah

Izolacija: Zmanjšajte regresije drugje

Reverzibilnost: Čisto razveljavite ali različicirajte popravke

Revizibilnost: Natančno sledite, kaj se je spremenilo in zakaj

Tipični primeri uporabe:

Popravite model, ki halucinira ceno izdelka, tako da vsilite popravljeno dejstvo

Zmanjšajte ali odstranite pristransko povezavo za določen subjekt

Dodajte novo pravilo za občutljivo domeno (npr. medicinske omejitve odgovornosti) brez ponovnega usposabljanja

Popravite "znano slabo" shemo odziva, ugotovljeno pri rdečem preizkušanju

Preden začnete: Koncepti, ki jih boste uporabljali

Obseg urejanja: Pogoji sprožilca, ki določajo, kdaj se popravek uporabi (vzorce, vdelave ali vrata klasifikatorja).

Cilj urejanja: Vedenje, ki ga želite (nova prednostna izbira žetonov, omejitev ali predloga za prepis).

Moč urejanja: Kako močno popravek preglasi osnovni model (mehke proti trdim omejitvam).

Varnostni testi: Nasprotni pozivi, ki se ne bi smeli spremeniti – nujno za izogibanje regresijam.

Razveljavitev/različiciranje: Sposobnost razveljavitve ali primerjave različic popravkov.

Hiter začetek: 10-minutna pot

Tukaj je najhitrejši način za zagon lokalnega popravka v Nano Banana. Primeri uporabljajo psevdo-API-je, ki odražajo običajne vzorce NB, tako da se lahko prilagodite svojemu okolju.

from nano_banana import NBEditor, Trigger, Target, Tests
# 1) Inicializirajte urejevalnik s svojim modelom
nb = NBEditor(model="your-llm-13b", storage="./nb_store")
# 2) Določite sprožilec (obseg urejanja)
trigger = Trigger(
type="semantic", # semantic | pattern | classifier
positive=["Acme Pro 5 price"], # fraze za zasidranje koncepta
negative=["Acme Pro 4", "Acme Lite"],
radius=0.85 # prag podobnosti za aktivacijo
)
# 3) Določite ciljno vedenje
target = Target(
mode="rewrite", # rewrite | bias | constraint
template="The current price of Acme Pro 5 is $699.",
strength=0.65 # 0..1; višja = močnejša preglasitev
)
# 4) Dodajte varnostne teste
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) Uporabite popravek in preverite
edit_id = nb.apply(trigger, target, tests)
report = nb.validate(edit_id)
print(report.summary)
# 6) Aktivirajte po prehodu vrat
if report.pass_rate > 0.95 and report.cf_drift < 0.02:
nb.activate(edit_id)
else:
nb.rollback(edit_id)

Izbira prave vrste popravka

Prepis: Najboljši za dejanske popravke ali predloge s predlogo. Primer: popravek specifikacije izdelka.

Pristranskost: Prilagodite verjetnosti na ravni žetonov brez predlog. Primer: odsvetujte nevarne glagole v ozkem kontekstu.

Omejitev: Uveljavite stroga pravila (npr. mora vključevati omejitev odgovornosti). Uporabljajte varčno, da se izognete nenaravni formulaciji.

Kdaj uporabiti semantične sprožilce v primerjavi z vzorčnimi sprožilci

Semantični sprožilci: Odporni na parafraze. Odlično za koncepte, kot je "cena Acme Pro 5".

Vzorčni sprožilci: Ujemanja z regularnimi izrazi ali ključnimi besedami. Dobro za stroge formate (npr. kode SKU).

Klasifikatorski sprožilci: Usposobite majhna vrata na pozitivnih/negativnih primerih za natančnost v zapletenih domenah.

Izgradnja zanesljivih sprožilcev

Začnite s 5–10 pozitivnimi semenskimi frazami in 5–10 negativnimi.

Izmerite odmik aktivacije: kako pogosto se sprožilec sproži na nepovezanih vnosih.

Prilagodite polmer, tako da se vaši pozitivni rezultati dosledno sprožijo, medtem ko se nasprotni ne. Ciljajte na <2 % lažnih aktivacij.

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

Izdelava ciljev brez kolateralne škode

Raje imejte jedrnate predloge: en stavek pogosto premaga tri.

Najprej ohranite zmerno moč (0,4–0,7); povečajte samo, če testi ne uspejo.

Za popravke skladnosti uporabite pogojno predlogo:

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
)

Testiranje: Vaša varnostna mreža

Oblikujte teste, kot da vam bo vaša prihodnost hvaležna.

Pozitivni: Neposredni zadetki in parafraze ("cena", "stroški", "koliko").

Nasprotni: Podobni subjekti, različni modeli, primerjave.

Stresni testi: Dolgi pozivi, nasprotne formulacije, večjezične različice.

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)

Različiciranje in razveljavitev kot profesionalec

Uporabite semantično različiciranje za popravke: [email protected].

Vedno preverite pred aktivacijo; nikoli ne aktivirajte na vročo na produkcijskem prometu.

Ohranite okno za razveljavitev in kanarski način (npr. 1 % prometa) za zaznavanje regresij.

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

Scenariji iz resničnega sveta, s katerimi se boste srečali

Dejstva o izdelkih se sčasoma spreminjajo

Sprožilec: semantični za entiteto izdelka

Cilj: prepis z dinamično spremenljivko

Integracija: potegnite živo vrednost iz svojega vira resnice o cenah

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)

Dodajte varnostne omejitve odgovornosti brez pretiranega nadzora

Sprožilec: klasifikator za medicinski namen o uporabi, ki ni navedena na etiketi

Cilj: omejitev + kratka omejitev odgovornosti

Nasvet: Vključite nasprotne primere za benigne zdravstvene poizvedbe, da se izognete prekomernemu sproženju

Zmanjšajte pristransko povezavo

Sprožilec: semantični za občutljivo entiteto

Cilj: način pristranskosti za zmanjšanje verjetnosti škodljivih deskriptorjev

Testi: sonde pravičnosti po demografskih podatkih

Merjenje uspeha

Sledite rezultatom modela in izdelka:

Natančnost urejanja: Kako pogosto se popravek sproži, ko bi se moral

Stabilnost nasprotnih primerov: Stopnja odmika pri skorajšnjih zgrešitvah

Zadovoljstvo uporabnikov: CSAT ali stopnja palca gor pri urejenih odzivih

Dodatni čas zakasnitve: Cilj <10 ms dodatnega časa na zahtevo

Poslovni KPI: Zmanjšane eskalacije, višja stopnja reševanja, manj zastavic skladnosti

Odpravljanje težav z lokalnimi popravki v Nano Banana

Zdi se, da se popravek ne uporablja

Zmanjšajte semantični polmer ali dodajte več pozitivnih semen

Rahlo povečajte moč (za 0,05–0,1)

Potrdite, da izvajalno okolje nalaga aktivni nabor popravkov

Preveč lažno pozitivnih

Dodajte negative in povečajte polmer

Za natančnost pretvorite iz semantičnega v klasifikatorski sprožilec

Odzivi zvenijo prisiljeno

Skrajšajte predlogo; preklopite na način pristranskosti za lažji dotik

Zmanjšajte moč; dodajte pogojno klavzulo

Zmanjšanje učinkovitosti

Serijsko izračunajte sprožilec; predpomnite poizvedbe za vdelavo

Obrežite neaktivne popravke; izogibajte se prekrivajočim se sprožilcem

Upravljanje in revizija

Vodite dnevnik sprememb z: avtorjem, namenom, sprožilci, cilji, testi in rezultati.

Zahtevajte pregled za popravke z velikim vplivom (skladnost, varnost, finance).

Posnemite vzorce pred/po za revizijo.

Napredni vzorci

Hierarhični sprožilci: Širok klasifikator usmerja specifičen semantični sprožilec za manj lažnih sprožitev.

Časovno omejeni popravki: Samodejno iztečejo popravki po datumu; odlično za promocije.

Predloge za več entitet: Uporabite spremenljivke: {{product}}, {{price}}, {{region}} z razreševalnikom.

A/B različice popravkov: Tekmujte [email protected] proti [email protected], da vidite, kateri daje boljši UX.

Integracija v vaš sklad

Shranite popravke v registru z različicami in jih naložite ob zagonu strežnika modela.

Izpostavite majhen skrbniški uporabniški vmesnik za preklop, razveljavitev in pregled vpliva.

Pretakajte dogodke, ko se sprožilec sproži za opazovanje.

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

Mimogrede: Pospešitev avtorizacije s Sider.AI

Omeniti velja: če vzdržujete veliko majhnih popravkov, je lahko avtorizacija testov in parafraz naporna. Orodja, kot je Sider.AI, vam lahko pomagajo ustvariti parafrazirane pozive, organizirati nasprotne nize in dokumentirati utemeljitve popravkov. To ne nadomesti vaše validacije – samo pospeši dolgočasne dele, da se lahko osredotočite na kakovostna vrata.

Povzetek: Kontrolni seznam, ki ga lahko ponovno uporabite

Določite vedenje, ki ga želite; ohranite ga ozko usmerjenega

Izberite vrsto sprožilca: semantični, vzorčni ali klasifikator

Začnite z zmerno močjo in kratko predlogo

Izgradite pozitivne, nasprotne in stresne teste

Preverite, kanarček, spremljajte in šele nato uvedite

Različicirajte vsako spremembo in imejte pri roki razveljavitev

Naslednji koraki

Izvedite svoj prvi popravek prepisa s semantičnim sprožilcem

Dodajte varnostni popravek s klasifikatorskim sprožilcem z omejitvami odgovornosti

Avtomatizirajte ustvarjanje parafraz in testiranje regresije

Tedensko merite odmik in obrezujte zastarele popravke

Če sledite temu poteku dela, boste dobili jasne, zanesljive lokalne popravke z Nano Banana – hitro za pošiljanje, enostavno za upravljanje in varno za razveljavitev.

Pogosta vprašanja

V1: Kaj so lokalni popravki v Nano Banana? Lokalni popravki so natančne spremembe vedenja modela za določen obseg. V Nano Banana določite sprožilce in cilje, tako da se popravek uporabi samo, ko je relevanten, kar zmanjšuje regresije drugje.

V2: Kako izberem med popravki prepisa, pristranskosti in omejitve? Uporabite prepis za dejanske popravke ali izhode s predlogo, pristranskost za subtilne premike preferenc in omejitev za stroga pravila, kot so obvezne omejitve odgovornosti. Začnite lažje (prepis ali pristranskost) in stopnjujte samo, če testi ne uspejo.

V3: Kako lahko preprečim, da bi lokalni popravki vplivali na nepovezane poizvedbe? Pritisnite obseg sprožilca z negativnimi rezultati, povečajte semantični polmer ali preklopite na klasifikatorski sprožilec. Vedno vključite nasprotne teste, da zagotovite stabilnost.

V4: Ali lahko razveljavim lokalni popravek v Nano Banana? Da. Nano Banana podpira različiciranje in razveljavitev. Preverite vsak popravek, uporabite uvedbo kanarčka in imejte okno za razveljavitev, da se lahko takoj vrnete, če se metrike poslabšajo.

V5: Kako učinkovito testiram lokalne popravke? Ustvarite pozitivne pozive, nasprotne pozive in stresne teste, nato pa preverite pred aktivacijo. Izmerite stopnjo prehoda, odmik nasprotnih primerov in metrike UX, kot je CSAT, da zagotovite, da popravek pomaga brez kolateralne škode.