SOFTWARE ENGINEER · .NET · LOCALIZATION

Tina Gao

>

Lionbridge China 软件工程师。深耕 .NET 技术栈,专注本地化(L10N / I18N)工具与平台开发,让内容顺畅地跨越语言边界。业余时间在追 AI —— 从大模型到 Agent,喜欢把新东西拆开看清楚,再装回工作流里。

C#.NET / .NET CoreASP.NET WPFSQL ServerAzure XLIFF / TMXCAT ToolsLLM
Engineer.cs
// about me, in C#
namespace Lionbridge.China;

public sealed record Engineer
{
    public string Name      => "Tina Gao";
    public string Title     => "Software Engineer";
    public string Company   => "Lionbridge China";

    public string[] Stack    => [
        ".NET", "C#", "ASP.NET Core",
        "SQL Server", "Azure"
    ];

    public string[] Focus    => [
        "Localization / i18n",
        "Translation Pipelines",
        "AI & LLM Exploration"
    ];

    public async Task BuildAsync()
    {
        while (true)
        {
            await Learn("AI");
            await Ship("quality code");
        }
    }
}
关于

写代码是本职,把复杂的事情做简单是习惯。在本地化行业,一个字符集处理不当就可能毁掉整批交付,所以我对细节格外较真。

🧩

.NET 全栈开发

从 WinForms/WPF 桌面工具到 ASP.NET Core Web API 与服务化改造,围绕 C# 生态做后端、集成与自动化。

C#.NET CoreEF CoreREST API
🌍

本地化技术

熟悉 i18n/L10N 工程链路:资源文件抽取与回填、XLIFF/TMX 处理、多语言编码与字符集、伪本地化验证、CAT 工具集成。

XLIFFTMXUnicodePseudo-loc
🤖

AI 探索者

持续跟进 LLM、RAG 与 Agent。关注机器翻译与译后编辑(MTPE)如何真正提升本地化效率,而不只是概念上的时髦。

LLMRAGPromptMTPE
我在 解决什么问题

本地化不只是翻译,是一整套工程问题。

⚙️

本地化流程自动化

把重复的手工环节脚本化、服务化:文件预处理、格式校验、批量转换、交付包生成,减少人为失误和等待时间。

🔌

系统集成

连接 TMS、翻译记忆库、版本库与内部平台,让数据在各系统之间正确流动,而不是靠人来搬。

🛡️

质量与可维护性

写可读的代码,补上单元测试和日志。面向多语言的系统尤其怕"看起来能跑",边界情况必须提前想到。

🚀

效率工具

给同事做小工具:一个内部命令行、一个批处理界面,往往比一场会议更能解决问题。

技术

自我评估,够用为准,仍在补课。

C# / .NET90%
ASP.NET Core / Web API85%
本地化 / i18n 工程92%
SQL Server / 数据处理80%
AI / LLM 应用72%
0年 .NET 开发
0+ 支持语言
0+ 内部工具
0% 交付准确率
AI 探究中

语言产业正被 AI 重写,我想站在能看清的位置上。

🧠

大模型与提示工程

研究如何用结构化提示稳定输出,把术语表、风格指南这些本地化"硬约束"喂进模型。

📚

RAG 与知识库

用检索增强让模型贴合项目上下文,尝试把历史翻译记忆变成可用的语料资产。

🛠️

Agent 与自动化

让 AI 接手枯燥判断:格式检查、一致性比对、初稿生成,人来负责最终决策。

" 工具会换,问题不会 —— 把复杂留给系统,把简单交给人。 "
职业 路线

一条稳步向上的技术路径。

起点

选择 .NET

从 C# 入门,喜欢它强类型带来的确定感和工程上的秩序。

进阶

走进本地化行业

加入 Lionbridge China,第一次意识到"让软件说另一种语言"背后有多少工程细节。

深耕

本地化工具与平台开发

从写工具到设计流程,用自动化替代重复劳动,成为团队里"卡住就找她"的那个人。

现在

把 AI 接进本地化

持续学习 LLM 与 Agent 技术,探索 AI 驱动的翻译与质量校验,寻找真正落地的场景。