使用AI改图时，常出现只想改局部却导致全图风格崩塌的尴尬情况。通过Nano Banana的画圈修改与JSON指令技巧，可实现只动局部、保持风格，精准控制出图效果。
智能速览
利用画圈工具实现局部精准修改，不影响其他区域。
使用结构化提示词模板明确修改目标与保持项。
通过JSON配置实现需求的可复用与工程化控制。
圈选时需留出缓冲边，指令需明确具体目标以避免模糊。
精华内容
面对AI改图“乱涂乱画”的难题，画圈修改结合结构化指令是最佳解法。
画圈锁定局部
利用工具的“画圈/选区”功能，圈选需修改的区域，核心在于“圈哪改哪”。
指令中需明确修改内容（如颜色、文字）及保持内容（如光影、材质），并强调“不要重绘全图”。圈选时建议留出缓冲边，确保边缘过渡自然。
精准指令模板
精准的指令是保证效果的关键。推荐使用“把【XXX】改成【YYY】，其他区域保持不变”的句式。
针对特定需求，如改字或换色，需指定字体风格或色号。若出现画质模糊，需添加“保留原图分辨率与细节，不降质”的约束。
JSON结构化控图
对于需要批量生成或保持系列风格的任务，将控图要求转化为JSON格式能极大提升稳定性。
用户无需手写复杂代码，只需让AI将需求转化为包含修改目标、保持项、约束项及质量要求的JSON配置，通过修改参数即可迭代出图。
这两种技巧分别从操作选区和指令逻辑上解决了AI改图不可控的问题。画圈修改解决了局部调整难题，JSON配置则实现了风格的高度复用，能显著提升修图效率与成品率。
