Adala 是一个自主数据（标注）智能体框架（Autonomous DAta Labeling Agent framework），其名称由 Autonomous DAta 和 Labeling Agent 的首字母组合而来。该项目由 HumanSignal 开发，代码托管在 GitHub 上，地址为 https://github.com/HumanSignal/Adala。
用途方面，Adala 旨在为专注数据处理的智能体提供实现框架，尤其强调多样化的数据标注任务。框架中的智能体具有自主性，可独立获得一项或多项技能，这一过程通过迭代学习完成，并受其运行环境、观察和反思影响。用户通过提供真实标签数据集（ground truth dataset）来定义智能体的运行环境。每个智能体在称为“runtime”的环境中学习并应用技能，该 runtime 等同于 LLM。
主要能力方面，根据官方说明，Adala 具有以下特点：可靠智能体，建立在真实标签数据基础上，确保结果一致可信；可控输出，对于每项技能可配置期望的输出，并以不同灵活程度设定具体约束，从而按需调整结果；专注数据处理，智能体擅长多样化的数据标注任务，也可为更广泛的数据处理需求定制；自主学习，智能体不仅是自动化，还能基于环境、观察和反思迭代且独立地发展技能；灵活可扩展的 runtime，单个技能可部署在多个 runtime 上，支持如学生/教师架构等动态场景，框架的开放性也鼓励社区扩展和定制 runtime；易于定制，可快速定制和开发智能体，无需面对陡峭的学习曲线。
使用方式方面，官方建议从 GitHub 安装以获取最新版本，并提供了开发者安装方式。使用前需设置 OPENAI_API_KEY。官方示例将 Adala 作为独立库直接在 Python notebook 中使用。如果希望使用 Claude、Gemini 或其他兼容 OpenAI 的 LLM，可通过 OpenRouter.ai 实现：首先设置 OPENROUTER_API_KEY 环境变量（可从 OpenRouter 获取），然后在示例中修改以通过 OpenRouter 使用 Claude 3.5 Haiku。
适用场景与目标用户方面，Adala 面向 AI 与机器学习领域的个人和专业人士，包括：AI 工程师，可用模块化、相互连接的技能架构和设计 AI 智能体系统，构建生产级智能体系统，将底层 ML 抽象到 Adala 和 LLM；机器学习研究人员，可实验复杂问题分解与因果推理；数据科学家，可应用智能体对数据进行预处理和后处理，并在处理大型 Dataframe 时通过 Python notebook 原生交互；教育工作者和学生，可将 Adala 用作教学工具或作为高级项目与研究的基础。官方也指出，Adala 的设计旨在简化和提升 AI 开发流程，适合所有相关爱好者。
限制与已知状态方面，官方 README 中列出了部分待办或进行中的事项，包括：低层技能管理（如 agent.get_skill("name")）标记为已完成；让每个 notebook 示例可在 Google Colab 中运行并在 README 中添加徽章；扩展环境增加一个示例；多任务学习（一次学习多个技能）；计算并存储顶层 Agent 指标（如创建的预测、runtime 执行、学习循环等）；创建命名实体识别技能；命令行工具；用于与 Adala 交互的 REST API；视觉和多模态智能体技能。除上述内容外，关于收费、价格、具体平台、效果或使用步骤等更多信息，资料中暂未提供。
