Primeiros rascunhos de [modelos de linguagem de larga escala](https://en.wikipedia.org/wiki/Large_language_model) são estruturalmente corretas, mas podem perder nuances, tom ou formulações específicas do domínio. Isso é intencional. A Glossia trata a geração de conteúdo da mesma forma que as equipes de software tratam o código: entregam uma versão funcional, a revisam e melhoram iterativamente.

## O ciclo de refinamento

1. **Rascunho**: A Glossia gera uma primeira versão estruturalmente válida com base nos seus arquivos de origem e no contexto em `L10N.md`.
2. **, Revisão**: Sua equipe sinaliza problemas por meio de pull requests e diffs, o mesmo fluxo que você já usa para código.
3. **Refinar**: Arquivos de contexto atualizados, correções terminológicas e feedback de revisão alimentam a próxima execução.
4. **Convergir**: Cada ciclo reduz a distância da qualidade de produção. O sistema aprende a voz do seu produto através do contexto que você fornece.

## Por que isso funciona

: A percepção chave é que o contexto se acumula. Cada comentário de revisão que leva a uma atualização `L10N.md` ou uma entrada de terminologia corrigida melhora todas as execuções futuras, não apenas o arquivo que disparou a revisão.

Isso segue o mesmo princípio por trás do Kaizen na manufatura e da aproximação sucessiva na engenharia: comece com uma base razoável e melhore-a sistematicamente com o julgamento humano no processo.

## Implicações práticas

- Não espere perfeição na primeira execução. Planeje um ou dois ciclos de revisão.
- Invista tempo na criação de arquivos de contexto claros. Eles são a melhoria com maior impacto que você pode fazer.
- Use a sessão de tradução do servidor para acompanhar quais arquivos foram traduzidos,
  pulados, ou com falha.