Adaline

Adaline 早期以提示詞迭代與評測平台為人所知，現在的定位升級成「自我改善的代理」。官網說它是夾在你的追蹤紀錄與代理程式碼修改之間的 ML 層：Cursor 與 Claude 給你的修改是猜的，Adaline 提供的是基於真實訊號的回饋迴圈。

流程分四步。Trace：攝取正式環境的追蹤紀錄，把反覆出現的代理模式歸納成團隊可以檢視的「行為地圖」。Behaviors：找出代理在什麼情境下會出什麼行為，及早發現火苗。Evals & Data：根據偵測到的行為與使用者回饋自動產生評測，讓回歸在代理修改上線前就被抓到；並針對你一直想補卻沒補、甚至根本沒想到的情境，產生貼近正式環境的合成資料。Improve：代理在你睡覺時自動改善，修正以分鐘為單位上線。企業控制方面，官網列出 SOC 2 Type II 稽核認證、GDPR、HIPAA、SSO／SAML 與個資 DPA。推薦語陣容很有份量：麥肯錫 Lilli 的產品經理、OpenAI 技術人員、Coframe 與 Epsilon 的執行長，Epsilon 說用了 Adaline 之後「答不出來」的比例幾乎降到零。

功能特色與適用場景：適合已經有代理在正式環境、但改提示全靠感覺的團隊。很多台灣團隊的現況是 PM 收到客訴、工程師改提示、上線後再看有沒有更糟，Adaline 想做的就是把這段變成有評測、有資料的流程。它也一直強調能讓非技術人員參與 LLM 開發。要留意的是價格未公開，而且把正式環境追蹤送上平台前，要先處理個資遮罩。