渐进式优化

由大型语言模型生成的初稿在结构上是正确的，但可能无法准确体现细微含义、语气或特定领域的表达。这是有意为之。Glossia 采用软件团队处理代码的方式处理内容生成：先交付可用版本，再进行审查并持续迭代改进。

优化循环

1. 起草：Glossia 根据源文件和 GLOSSIA.md 中的上下文生成结构有效的初稿。
2. 审查：团队通过拉取请求和差异对比标记问题，这与现有的代码工作流程相同。
3. 优化：更新后的上下文文件、术语修正和审查反馈将用于下一次运行。
4. 收敛：每个周期都会进一步接近生产质量。系统通过您提供的上下文学习产品的语言风格。

此方法为何有效

关键在于上下文会不断积累。每一条促成 GLOSSIA.md 更新或术语条目修正的审查意见，都会改进所有后续运行，而不仅仅是触发审查的文件。

这遵循了制造业中持续改善和工程中逐次逼近的相同原则：从足够可靠的基线开始，并在人为判断参与的情况下进行系统化改进。

实际影响

• 不要期望首次运行即可达到完美效果。应预留一到两个审查周期。
• 投入时间编写清晰的上下文文件。这是最具杠杆效应的改进方式。
• 使用服务器端翻译会话跟踪哪些文件已翻译、已跳过或翻译失败。