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.

Cách Thực Hiện Chỉnh Sửa Cục Bộ với Nano Banana: Hướng Dẫn Thực Tế

Nếu bạn từng ước mình có thể điều chỉnh một phần hành vi của mô hình—mà không cần huấn luyện lại, phá vỡ mọi thứ khác hoặc chờ đợi hàng giờ—thì chỉnh sửa cục bộ chính là siêu năng lực mới của bạn. Trong hướng dẫn này, chúng ta sẽ cùng nhau tìm hiểu cách thực hiện chỉnh sửa cục bộ với Nano Banana, từng bước một, với các ví dụ thực tế và những điều cần tránh.

Tuyên bố táo bạo: Chỉnh sửa cục bộ cho phép bạn khắc phục một cách chính xác một hành vi của mô hình trong khi vẫn giữ nguyên phần còn lại. Hãy nghĩ đến việc sửa lỗi nhanh, không phải xây dựng lại.

Hướng dẫn này tuân theo phong cách Thực tế & Hướng đến Giải pháp. Chúng tôi sẽ giữ nó mang tính thực hành, hiển thị cho bạn các mẫu giống như mã và tập trung vào các kết quả bạn có thể xác minh nhanh chóng.

Chỉnh Sửa Cục Bộ Là Gì (và Tại Sao Nên Sử Dụng Nano Banana)?

Chỉnh sửa cục bộ là những sửa đổi chính xác đối với phản hồi của mô hình cho các đầu vào hoặc khái niệm cụ thể, mà không ảnh hưởng đến các đầu ra không liên quan.

Nano Banana (NB) là một bộ công cụ chỉnh sửa gọn nhẹ cho LLM và các đầu phân loại, nhấn mạnh vào:

Tốc độ: Chỉnh sửa trong vài giây, không phải hàng giờ

Tính biệt lập: Giảm thiểu hồi quy ở những nơi khác

Khả năng đảo ngược: Hoàn tác hoặc chỉnh sửa phiên bản một cách sạch sẽ

Khả năng kiểm tra: Theo dõi chính xác những gì đã thay đổi và lý do tại sao

Các trường hợp sử dụng điển hình:

Sửa một mô hình tạo ra giá sản phẩm ảo bằng cách thực thi một sự thật đã được sửa

Hạ cấp hoặc loại bỏ một liên kết thiên vị cho một thực thể cụ thể

Thêm một quy tắc mới cho một lĩnh vực nhạy cảm (ví dụ: tuyên bố từ chối trách nhiệm y tế) mà không cần huấn luyện lại

Vá một mẫu phản hồi "xấu đã biết" được xác định trong quá trình kiểm tra đỏ

Trước Khi Bắt Đầu: Các Khái Niệm Bạn Sẽ Sử Dụng

Phạm vi chỉnh sửa: Các điều kiện kích hoạt xác định khi nào chỉnh sửa được áp dụng (các mẫu, nhúng hoặc cổng phân loại).

Mục tiêu chỉnh sửa: Hành vi bạn muốn (ưu tiên mã thông báo mới, ràng buộc hoặc mẫu viết lại).

Độ mạnh chỉnh sửa: Mức độ chỉnh sửa ghi đè mô hình cơ sở (ràng buộc mềm so với cứng).

Kiểm tra an toàn: Các lời nhắc phản thực tế không nên thay đổi—một điều bắt buộc để tránh hồi quy.

Hoàn tác/phiên bản: Khả năng hoàn tác hoặc so sánh các biến thể chỉnh sửa.

Bắt Đầu Nhanh: Lộ Trình 10 Phút

Đây là cách nhanh nhất để chỉnh sửa cục bộ hoạt động trong Nano Banana. Các ví dụ sử dụng các API giả phản ánh các mẫu NB phổ biến để bạn có thể thích ứng với môi trường của mình.

from nano_banana import NBEditor, Trigger, Target, Tests
# 1) Khởi tạo trình chỉnh sửa với mô hình của bạn
nb = NBEditor(model="your-llm-13b", storage="./nb_store")
# 2) Xác định trình kích hoạt (phạm vi chỉnh sửa)
trigger = Trigger(
type="semantic", # semantic | pattern | classifier
positive=["Acme Pro 5 price"], # các cụm từ để neo khái niệm
negative=["Acme Pro 4", "Acme Lite"],
radius=0.85 # ngưỡng tương tự để kích hoạt
)
# 3) Xác định hành vi mục tiêu
target = Target(
mode="rewrite", # rewrite | bias | constraint
template="The current price of Acme Pro 5 is $699.",
strength=0.65 # 0..1; cao hơn = ghi đè mạnh hơn
)
# 4) Thêm kiểm tra an toàn
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) Áp dụng chỉnh sửa và xác thực
edit_id = nb.apply(trigger, target, tests)
report = nb.validate(edit_id)
print(report.summary)
# 6) Kích hoạt sau khi vượt qua các cổng
if report.pass_rate > 0.95 and report.cf_drift < 0.02:
nb.activate(edit_id)
else:
nb.rollback(edit_id)

Chọn Loại Chỉnh Sửa Phù Hợp

Viết lại: Tốt nhất cho các chỉnh sửa thực tế hoặc các gợi ý theo mẫu. Ví dụ: sửa thông số kỹ thuật sản phẩm.

Độ lệch: Điều chỉnh khả năng xảy ra ở cấp độ mã thông báo mà không cần tạo mẫu. Ví dụ: không khuyến khích các động từ không an toàn trong một ngữ cảnh hẹp.

Ràng buộc: Thực thi các quy tắc cứng (ví dụ: phải bao gồm tuyên bố từ chối trách nhiệm). Sử dụng một cách tiết kiệm để tránh cách diễn đạt không tự nhiên.

Khi Nào Nên Sử Dụng Trình Kích Hoạt Ngữ Nghĩa so với Mẫu

Trình kích hoạt ngữ nghĩa: Mạnh mẽ đối với diễn giải lại. Tuyệt vời cho các khái niệm như “giá của Acme Pro 5”.

Trình kích hoạt mẫu: Các kết quả phù hợp biểu thức chính quy hoặc từ khóa. Tốt cho các định dạng nghiêm ngặt (ví dụ: mã SKU).

Trình kích hoạt phân loại: Huấn luyện một cổng nhỏ trên các ví dụ tích cực/tiêu cực để có độ chính xác trong các lĩnh vực khó khăn.

Xây Dựng Trình Kích Hoạt Đáng Tin Cậy

Bắt đầu với 5–10 cụm từ hạt giống tích cực và 5–10 cụm từ tiêu cực.

Đo độ trôi kích hoạt: tần suất trình kích hoạt hoạt động trên các đầu vào không liên quan.

Điều chỉnh bán kính sao cho các kết quả dương tính của bạn liên tục kích hoạt trong khi các phản thực tế thì không. Nhắm mục tiêu <2% kích hoạt sai.

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

Tạo Mục Tiêu Mà Không Gây Thiệt Hại Ngoài Ý Muốn

Ưu tiên các mẫu ngắn gọn: một câu thường tốt hơn ba câu.

Giữ độ mạnh ở mức vừa phải trước (0,4–0,7); chỉ tăng nếu các thử nghiệm không thành công.

Đối với các chỉnh sửa tuân thủ, hãy sử dụng một mẫu có điều kiện:

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
)

Kiểm Tra: Mạng Lưới An Toàn Của Bạn

Thiết kế các bài kiểm tra như thể con người tương lai của bạn sẽ cảm ơn bạn.

Kết quả dương tính: Các lượt truy cập trực tiếp và diễn giải lại (“price”, “cost”, “how much”).

Phản thực tế: Các thực thể tương tự, các mô hình khác nhau, so sánh.

Kiểm tra độ bền: Lời nhắc dài, cách diễn đạt đối nghịch, các biến thể đa ngôn ngữ.

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)

Kiểm Soát Phiên Bản và Hoàn Nguyên Như Một Chuyên Gia

Sử dụng kiểm soát phiên bản ngữ nghĩa cho các chỉnh sửa: [email protected].

Luôn xác thực trước khi kích hoạt; không bao giờ kích hoạt nóng trên lưu lượng sản xuất.

Giữ một cửa sổ hoàn nguyên và một chế độ thử nghiệm (ví dụ: 1% lưu lượng truy cập) để phát hiện hồi quy.

nb.activate(edit_id, rollout="canary:1%")
nb.monitor(edit_id, metrics=["ctr", "csat", "drift"]) # số liệu kinh doanh + mô hình

Các Tình Huống Thực Tế Bạn Sẽ Gặp Phải

Thông tin sản phẩm thay đổi theo thời gian

Kích hoạt: ngữ nghĩa trên thực thể sản phẩm

Mục tiêu: viết lại với biến động

Tích hợp: kéo giá trị trực tiếp từ nguồn chân lý định giá của bạn

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)

Thêm tuyên bố từ chối trách nhiệm an toàn mà không cần kiểm soát quá mức

Kích hoạt: phân loại cho mục đích y tế về việc sử dụng ngoài nhãn

Mục tiêu: ràng buộc + tuyên bố từ chối trách nhiệm ngắn gọn

Mẹo: Bao gồm các phản thực tế cho các truy vấn sức khỏe lành tính để tránh kích hoạt quá mức

Hạ cấp một liên kết thiên vị

Kích hoạt: ngữ nghĩa trên thực thể nhạy cảm

Mục tiêu: chế độ thiên vị để giảm khả năng mô tả có hại

Kiểm tra: thăm dò công bằng trên các nhân khẩu học

Đo Lường Thành Công

Theo dõi cả kết quả mô hình và sản phẩm:

Độ chính xác chỉnh sửa: Tần suất chỉnh sửa kích hoạt khi nó nên

Tính ổn định phản thực tế: Tỷ lệ trôi trên các lỗi suýt soát

Mức độ hài lòng của người dùng: CSAT hoặc tỷ lệ hài lòng trên các phản hồi đã chỉnh sửa

Độ trễ: Mục tiêu <10 ms thời gian bổ sung trên mỗi yêu cầu

KPI kinh doanh: Giảm leo thang, tỷ lệ giải quyết cao hơn, ít cờ tuân thủ hơn

Khắc Phục Sự Cố Chỉnh Sửa Cục Bộ trong Nano Banana

Chỉnh sửa dường như không áp dụng

Giảm bán kính ngữ nghĩa hoặc thêm nhiều hạt giống dương tính hơn

Tăng độ mạnh một chút (từ 0,05–0,1)

Xác nhận thời gian chạy đang tải bộ chỉnh sửa đang hoạt động

Quá nhiều dương tính giả

Thêm phủ định và tăng bán kính

Chuyển đổi từ ngữ nghĩa sang trình kích hoạt phân loại để có độ chính xác

Phản hồi nghe có vẻ gượng gạo

Rút ngắn mẫu; chuyển sang chế độ thiên vị để có tác động nhẹ hơn

Giảm độ mạnh; thêm một mệnh đề có điều kiện

Hiệu suất giảm

Xử lý hàng loạt tính toán kích hoạt; truy vấn nhúng bộ nhớ cache

Loại bỏ các chỉnh sửa không hoạt động; tránh các trình kích hoạt chồng chéo

Quản Trị và Kiểm Toán

Giữ một nhật ký thay đổi với: tác giả, ý định, trình kích hoạt, mục tiêu, kiểm tra và kết quả.

Yêu cầu xem xét các chỉnh sửa có tác động cao (tuân thủ, an toàn, tài chính).

Chụp nhanh các ví dụ trước/sau để kiểm toán.

Các Mẫu Nâng Cao

Trình kích hoạt phân cấp: Một bộ phân loại rộng mở một trình kích hoạt ngữ nghĩa cụ thể để giảm số lần kích hoạt sai.

Chỉnh sửa giới hạn thời gian: Tự động hết hạn chỉnh sửa sau một ngày; tuyệt vời cho các chương trình khuyến mãi.

Mẫu đa thực thể: Sử dụng các biến: {{product}}, {{price}}, {{region}} với một bộ phân giải.

Các biến thể chỉnh sửa A/B: Cạnh tranh [email protected] so với [email protected] để xem cái nào mang lại UX tốt hơn.

Tích Hợp Vào Ngăn Xếp Của Bạn

Lưu trữ các chỉnh sửa trong một sổ đăng ký được kiểm soát phiên bản và tải chúng khi khởi động máy chủ mô hình.

Hiển thị một UI quản trị nhỏ để bật/tắt, hoàn nguyên và kiểm tra tác động.

Truyền các sự kiện khi một trình kích hoạt hoạt động để quan sát.

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

Nhân tiện: Tăng Tốc Độ Soạn Thảo với Sider.AI

Điều đáng chú ý: nếu bạn duy trì nhiều chỉnh sửa nhỏ, việc soạn thảo các bài kiểm tra và diễn giải lại có thể trở nên tẻ nhạt. Các công cụ như Sider.AI có thể giúp bạn tạo các lời nhắc diễn giải lại, sắp xếp các bộ phản thực tế và ghi lại các lý do chỉnh sửa. Điều này không thay thế xác thực của bạn—chỉ tăng tốc các phần nhàm chán để bạn có thể tập trung vào các cổng chất lượng.

Tóm Tắt: Danh Sách Kiểm Tra Bạn Có Thể Tái Sử Dụng

Xác định hành vi bạn muốn; giữ cho nó có phạm vi hẹp

Chọn loại trình kích hoạt: ngữ nghĩa, mẫu hoặc bộ phân loại

Bắt đầu với độ mạnh vừa phải và một mẫu ngắn

Xây dựng các kết quả dương tính, phản thực tế và kiểm tra độ bền

Xác thực, thử nghiệm, giám sát và chỉ sau đó triển khai

Phiên bản hóa mọi thay đổi và giữ cho việc hoàn nguyên luôn sẵn sàng

Các Bước Tiếp Theo

Triển khai chỉnh sửa viết lại trình kích hoạt ngữ nghĩa đầu tiên của bạn

Thêm chỉnh sửa an toàn trình kích hoạt phân loại với các tuyên bố từ chối trách nhiệm

Tự động hóa việc tạo diễn giải lại và kiểm tra hồi quy

Đo độ trôi hàng tuần và loại bỏ các chỉnh sửa cũ

Nếu bạn tuân theo quy trình làm việc này, bạn sẽ nhận được các chỉnh sửa cục bộ rõ ràng, đáng tin cậy với Nano Banana—vận chuyển nhanh chóng, dễ quản lý và an toàn để hoàn nguyên.

Câu Hỏi Thường Gặp

Q1:Chỉnh sửa cục bộ trong Nano Banana là gì? Chỉnh sửa cục bộ là những sửa đổi chính xác đối với hành vi của mô hình cho một phạm vi cụ thể. Trong Nano Banana, bạn xác định các trình kích hoạt và mục tiêu để chỉnh sửa chỉ áp dụng khi có liên quan, giảm thiểu hồi quy ở những nơi khác.

Q2:Làm cách nào để chọn giữa chỉnh sửa viết lại, độ lệch và ràng buộc? Sử dụng viết lại cho các chỉnh sửa thực tế hoặc đầu ra theo mẫu, độ lệch cho các thay đổi ưu tiên tinh tế và ràng buộc cho các quy tắc cứng như tuyên bố từ chối trách nhiệm bắt buộc. Bắt đầu nhẹ hơn (viết lại hoặc độ lệch) và chỉ leo thang nếu các thử nghiệm không thành công.

Q3:Làm cách nào để ngăn chỉnh sửa cục bộ ảnh hưởng đến các truy vấn không liên quan? Thắt chặt phạm vi trình kích hoạt của bạn bằng các phủ định, tăng bán kính ngữ nghĩa hoặc chuyển sang trình kích hoạt phân loại. Luôn bao gồm các thử nghiệm phản thực tế để đảm bảo tính ổn định.

Q4:Tôi có thể hoàn nguyên chỉnh sửa cục bộ trong Nano Banana không? Vâng. Nano Banana hỗ trợ kiểm soát phiên bản và hoàn nguyên. Xác thực từng chỉnh sửa, sử dụng thử nghiệm và giữ một cửa sổ hoàn nguyên để bạn có thể hoàn nguyên ngay lập tức nếu các số liệu giảm.

Q5:Làm cách nào để kiểm tra chỉnh sửa cục bộ một cách hiệu quả? Tạo lời nhắc tích cực, lời nhắc phản thực tế và kiểm tra độ bền, sau đó xác thực trước khi kích hoạt. Đo tỷ lệ vượt qua, độ trôi phản thực tế và các số liệu UX như CSAT để đảm bảo chỉnh sửa giúp ích mà không gây thiệt hại ngoài ý muốn.