渐进式优化

来自 大型语言模型 的首篇草稿虽然在结构上是正确的，但可能会遗漏细微差别、语气或特定领域的措辞。这正是其设计之处。Glossia 对待内容生成的方式与软件团队对待代码的方式相同：发布一个可工作的版本，审查它，并持续改进。

优化循环

1. 草稿：Glossia 会根据您的源文件和 L10N.md 中的上下文生成结构有效的首版结果。
2. 审查：您的团队通过拉取请求和差异标记来指出问题，这是您已经用于代码的相同工作流程。
3. 优化：更新的上下文文件、词汇表更正和审查反馈将输入到下一次运行中。
4. 收敛：每个周期都会缩短与生产质量的距离。系统通过学习您提供的上下文来掌握您的产品语调。

为何有效

关键见解是上下文会累积。每一个导致更新 L10N.md 或修正词汇表条目的审查评论，不仅改进触发审查的文件，还会改进所有未来的运行。

这遵循制造业改善和工程中渐进逼近背后的相同原则：从一个足够好的基线开始，并通过循环中的人类判断系统地改进它。

实践启示

• 不要期望第一次运行就达到完美。计划一次或两次审查周期。
• 花时间撰写清晰的上下文文件。这是您可以做出的影响力最大的改进。
• 使用 Glossia 中的翻译会话来跟踪哪些文件已翻译、跳过或失败。