渐进式优化
内容质量为何随时间趋于稳定，而非一次性完成。
初稿来自 大语言模型 这些初稿在结构上正确，但可能遗漏细微差别、语气或特定领域措辞。这是设计如此。Glossia 对待内容生成的方式与软件团队对待代码相同：发布可用版本，审核它，并迭代改进。
优化循环
- 草稿: Glossia 根据您的源文件及上下文中的
L10N.md. - 审查: 您的团队通过拉取请求和差异标记问题，这是您用于代码的同一工作流。
- 优化: 更新的上下文文件、术语更正和审核反馈将汇入下一次运行。
- 收敛: 每个循环都缩短了与生产质量的距离。系统通过学习您提供的上下文来掌握您的产品声音。
为何有效
关键见解是上下文会累积。每一个导致一个已更新的审核评论 L10N.md 或一个已修正的术语条目会改善所有未来的运行，而不仅仅是触发审核的文件。
这遵循了制造业改善（Kaizen）与工程逐步逼近的相同原则：从足够好的基线开始，并在循环中通过人工判断进行系统性改进。
实践意义
- 不要指望首次运行就能完美。请预留一至两轮审查周期。
- 投入时间编写清晰的上下文文件。这是您可以做出的成效最高的改进。
- 使用服务器翻译会话来跟踪哪些文件已翻译， 跳过，或失败。