Primeros borradores de [grandes modelos de lenguaje](https://en.wikipedia.org/wiki/Large_language_model) son estructuralmente correctos pero pueden perder matices, tono o formulación específica del dominio. Esto es intencional. Glossia trata la generación de contenido de la misma manera que los equipos de software tratan el código: lanzar una versión funcional, revisarla y mejorarla iterativamente.

## El bucle de refinamiento

1. **Borrador**: Glossia genera una primera pasada estructuralmente válida basada en sus archivos fuente y el contexto en `L10N.md`.
2. **Revisión**: Su equipo reporta incidencias a través de solicitudes de extracción y diferencias, el mismo flujo de trabajo que ya utiliza para el código.
3. **Refinar**: Los archivos de contexto actualizados, las correcciones de terminología y los comentarios de la revisión se incorporan a la próxima ejecución.
4. **Converger**: Cada ciclo reduce la distancia a la calidad de producción. El sistema aprende la voz de su producto a través del contexto que proporciona.

## Por qué funciona esto

La clave es que el contexto se acumula. Cada comentario de revisión que conduce a un archivo actualizado `L10N.md` o una entrada de terminología corregida mejora todos los ciclos futuros, no solo el archivo que activó la revisión.

Esto sigue el mismo principio detrás del Kaizen en la fabricación y la aproximación sucesiva en la ingeniería: comenzar con una base lo suficientemente buena y mejorarla sistemáticamente con el juicio humano en el bucle.

## Implicaciones prácticas

- No espere perfección en la primera ejecución. Planifique uno o dos ciclos de revisión.
- Invierta tiempo en escribir archivos de contexto claros. Son la mejora con mayor impacto que puede hacer.
- Utilice la sesión de traducción del servidor para rastrear qué archivos se han traducido,
  saltados, o fallidos.