Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-10-14 10:24 UTC

Blueprints-org / blueprints

Blueprints, open source python package for civil engineering calculations.

PythonMIT★ 129 Sterne⑂ 36 Forksseit Okt. 2023Auf GitHub ansehen ↗
ArtBibliothekKommandozeilenwerkzeugwie das ermittelt wird
#civil-engineering#concrete#digital-engineering#eurocode#python#steel

Blueprints-org/blueprints erreicht einen Gesundheitsindex von 90 von 100 und liegt damit im Bereich Exzellent. Am stärksten schneidet es bei Engineering Quality (96/100) ab, am schwächsten bei Security (60/100). Zuletzt vor 10 Tagen aktualisiert. 2 Mitwirkende tragen den Großteil der jüngsten Arbeit.

90
gesamt / 100
Exzellent

Software-Gesundheitsindex

Metriken werden auf einer standardisierten Skala von 1–100 in gewichtete Kategorien gruppiert. Der Gesamtwert beginnt als ihr gewichtetes Mittel, kalibriert auf die Verteilung des öffentlichen Registers, sodass die Stufen Perzentilbedeutung tragen; sobald öffentliche Evidenz die Richtlinie für Hochrisikojurisdiktionen auslöst, wird die Bewertung angepasst und erhält die Obergrenze Gefährdet von 34.

90
Außergewöhnlich93-100Die Spitzengruppe des Registers (≈ obere 5 %); erfüllt im Wesentlichen alle geprüften Kriterien
Exzellent80-92Durchgehend stark; geringfügige Lücken
Gut65-79Gesund; Lücken sind begrenzt und beherrschbar
Mittel50-64Akzeptabel mit deutlichen Lücken; Überprüfung empfohlen
Schwach35-49Wesentliche Schwächen in mehreren Bereichen
Gefährdet20-34Erhebliche Schwächen; eine Übernahme erfordert Vorsicht
Kritisch1-19Schwerwiegende Probleme (aufgegeben, nur ein Maintainer, keine Hygiene)
VitalitätCommunity &VerbreitungNachhaltigkeit &GovernanceEngineering-QualitätSicherheitAI Readiness

Bewertungsprofil

Jede Achse ist eine Kategorie. Die Form zählt mehr als der Durchschnitt — ein gesundes Projekt füllt die gesamte Fläche, während ein Profil aus Spitzen und Kratern bedeutet, dass Stärke in einer Dimension Risiken in einer anderen verdeckt.

Der gewichtete Gesamtwert 76 wird auf der veröffentlichten Indexskala auf 90 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

BlueprintsOrganisation
32 Follower1 öffentliches Reposeit Juli 2023

Dieses Repository wird von einer Organisation getragen — geteilte, rechenschaftspflichtige Trägerschaft, die jeden einzelnen Maintainer überdauern kann.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIblue-prints0.7.26.87628vor 61 Tagencivil-engineeringeurocodeseuropean-building-codesmaterial-propertiesstructural-analysisstructural-engineering

Metriken nach Kategorie

Vitalität

Lebt das Projekt — wird Code geschrieben und werden Releases ausgeliefert?

92Exzellent · 21 % des Gesamtindex

Entwicklungsaktivität

87Exzellent
Wie die Bewertung erfolgt
28.8/36Push-Aktualität — letzter Push vor 10 Tagen
30.5/36Commit-Rhythmus — 44/52 Wochen mit Commits
18/18Commit-Volumen — 1.436 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 2 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year1.436
human_commit_share0,9
days_since_last_push10
active_weeks_last_year44

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 26 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 61 Tagen
27/27Release-Rhythmus — ein Release etwa alle 42 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count26
latest_release_tagv0.7.2
releases_from_tagsnein
days_since_latest_release61
mean_days_between_releases42
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): OpenSSF Scorecard: Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Community & Verbreitung

Hat das Projekt Nutzer, Downloads, Aufmerksamkeit und ein einladendes Umfeld für Beitragende?

60Mittel · 17 % des Gesamtindex

Popularität & Verbreitung

47Schwach
Wie die Bewertung erfolgt
34.2/60Stars — 129 Stars
12.9/25Forks — 36 Forks
0/15Watcher — 2 Watcher
Verwendete Eingangsdaten
forks36
stars129
watchers2
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

72Gut
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (MIT)
0/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges7
has_contributingnein
has_issue_templatenein
has_code_of_conductja
readme_badge_servicescodecov.io, github.com, shields.io
has_pull_request_templateja

Ökosystem-Verbreitung (Downloads)

64Mittel
Wie die Bewertung erfolgt
51.2/80Downloads pro Monat — 6.876 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesblue-prints
dependents—
ecosystemspypi
total_downloads—
monthly_downloads6.876
unverified_packages_excluded—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Abhängige in der Registry. Die verbleibenden Gewichte wurden renormalisiert.

Nachhaltigkeit & Governance

Überdauert das Projekt die Menschen, die es tragen — Bus-Faktor, Reaktionsfähigkeit, Trägerschaft und Paketpflege?

69Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

62Mittel
Wie die Bewertung erfolgt
25.2/54Bus-Faktor — 2 Beitragende decken die Hälfte aller Commits ab
13.7/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 39 % der Commits
13.5/13.5Breite der Beitragenden — 28 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 4 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor2
contributors_sampled28
top_contributor_share0,39

Reaktionsfähigkeit bei Issues & PRs

73Gut
Wie die Bewertung erfolgt
35.4/42Issue-Lösungsquote — 84 % der Issues geschlossen
27.7/30PR-Annahme — 627/680 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
0/15OpenSSF Scorecard: Code-Review — Found 0/4 approved changesets -- score normalized to 0
Verwendete Eingangsdaten
merged_prs627
open_issues71
closed_issues380
prs_merged_7d0
prs_decided_7d0
prs_merged_30d5
prs_decided_30d5
issue_closed_ratio0,843
closed_unmerged_prs53
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.

Eigentümerschaft & Trägerschaft

50Mittel
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain
10.9/25Reichweite des Inhabers — 32 Follower von Blueprints-org
8.6/25Kontohistorie — 1 öffentliche Repos, Kontoalter ca. 3 Jahre
Verwendete Eingangsdaten
followers32
owner_typeOrganization
is_verifiednein
owner_loginBlueprints-org
public_repos1
account_age_days1.179

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 61 Tagen
20/20Versionshistorie — 28 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesblue-prints
ecosystemspypi
any_deprecatednein
min_days_since_publish61

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

96Außergewöhnlich · 19 % des Gesamtindex

Engineering-Praktiken

94Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows — 4 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — .ruff.toml
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 9 out of 9 merged PRs checked by a CI test -- score normalized to 10
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_configja

Dokumentation

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://blueprints.readthedocs.io
10/10Repository-Beschreibung
10/10Topics — 6 Topics
10/10Wiki
Verwendete Eingangsdaten
topicscivil-engineering, concrete, digital-engineering, eurocode, python, steel
has_wikija
homepagehttps://blueprints.readthedocs.io
docs_sitehttps://blueprints.readthedocs.io
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

Sind die sichtbaren Sicherheits- und Lieferkettenpraktiken belastbar, ohne ungeklärte Exposition gegenüber Hochrisikojurisdiktionen?

60Mittel · 16 % des Gesamtindex

Sicherheitslage

50Mittel
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — keine Daten
2.5/2.5CI-Tests — 9 out of 9 merged PRs checked by a CI test -- score normalized to 10
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
0/7.5Code-Review — Found 0/4 approved changesets -- score normalized to 0
2.5/2.5Contributors — project has 4 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Lizenz — license file detected
7.5/7.5Maintained — 30 commit(s) and 2 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — keine Daten
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 86 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate5
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Branch-Protection, Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Abhängigkeits-Advisories

100Außergewöhnlich
Wie die Bewertung erfolgt
35/35Direkte Abhängigkeiten ohne bekannte Advisories — keine direkte Abhängigkeit trägt ein bekanntes Advisory
25/25Indirekte Abhängigkeiten ohne bekannte Advisories — keine indirekte Abhängigkeit trägt ein bekanntes Advisory
0/40Keine offenen Advisories — kein Advisory trägt ein Veröffentlichungsdatum
Verwendete Eingangsdaten
sourceosv
advisories0
affected_packages0
assessed_packages54
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Keine offenen Advisories. Die verbleibenden Gewichte wurden renormalisiert. Abgeglichen wurde die Laufzeit-Abhängigkeitshülle von pypi:blue-prints@0.7.2 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 54 Paketen. Erreichbarkeit wird nicht analysiert.

AI Readiness

Wie gut ist das Repository dafür ausgestattet, mit KI-Coding-Agenten entwickelt und gepflegt zu werden? Trägt ein bewusst kleines Gewicht (4 %): Agenten-Tooling ist ein echtes Pflegesignal, doch ein Repository ohne jedes Signal kann weiterhin 100/100 erreichen.

69Gut · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

33Gefährdet
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
33.2/40Lesbare Commit-Historie — 56 von 90 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,622
agent_instruction_files—
agent_instruction_max_bytes—

AI-Verify-Loop (Build / Test / Typprüfung)

80Exzellent
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — .ruff.toml
11/11Statische Typprüfung — blueprints/py.typed
10/10Reproduzierbare Umgebung — lockfile
0/10Belegte Agentenpraxis — keine von Agenten verfassten Commits unter den letzten 100
8/8Automatisierte Wartung — 10 der letzten 100 Commits sind automatisierte Abhängigkeits-Updates
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilesuv.lock
has_dockerfilenein
typed_languagenein
bootstrap_filesMakefile
has_devcontainernein
has_linter_configja
typecheck_configsblueprints/py.typed
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0,1

AI-Code-Lesbarkeit für Modelle

82Exzellent
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Python mit Typprüfungs-Konfiguration (blueprints/py.typed)
55/55Handhabbare Dateigrößen — 0/1.331 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes49.137
source_files_sampled1.331
oversized_source_files0

Maschinenlesbare AI-Schnittstellen

100Außergewöhnlich
Wie die Bewertung erfolgt
0/40API-Schema (OpenAPI/GraphQL/proto) — für diese Art von Software nicht anwendbar
0/20MCP-Server — für diese Art von Software nicht anwendbar
40/40Lauffähige Beispiele — examples, notebooks
Verwendete Eingangsdaten
example_dirsexamples, notebooks
has_mcp_signalnein
api_schema_files—
interfaces_expected_of—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): API-Schema (OpenAPI/GraphQL/proto), MCP-Server. Die verbleibenden Gewichte wurden renormalisiert.

Eckdaten

129GitHub-Sterne
28Mitwirkende
1.436Commits, letzte 12 Monate
10Tage seit letztem Push
26Releases
2Bus-Faktor
71offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 36 ⇿
0Sterne
36Forks
23Releases

Wann jeder Stern und Fork hinzugefügt wurde, von GitHub erfasst und nach Tagen gruppiert. Das kumulierte Wachstum steht direkt über den täglichen Zugängen, aus denen es besteht, sodass beide gegeneinander lesbar sind: stetiger organischer Zuwachs sieht ganz anders aus als ein abrupter, kurzlebiger Ausschlag. Wo dieser Unterschied messbar ist, wird er als Wachstumsauthentizität ausgewiesen.

01325383632024-052025-072026-09
Major 0Minor 7Patch 16

Jeder Punkt umfasst 3 Tage.

OpenSSF Scorecard 5.0 / 10
5.0Gesamtwert

Unabhängige, werkzeugneutrale Sicherheitsbewertung durch das quelloffene OpenSSF Scorecard. Jede Prüfung honoriert eine Sicherheits-Praxis, nicht das Werkzeug eines bestimmten Anbieters. Prüfungen, die Scorecard nicht ermitteln konnte, sind mit k. A. markiert und vom Sicherheitswert ausgeschlossen (nie als null gezählt).Scorecard v5.5.0 · 2026-10-14 10:23 UTC

10Binary-Artifactsno binaries found in the repo
k. A.Branch-Protectioninternal error: error during branchesHandler.setup: internal error: some github tokens can't read classic branch protection rules: https://github.com/ossf/scorecard-action/blob/main/docs/authentication/fine-grained-auth-token.md
10CI-Tests9 out of 9 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
0Code-ReviewFound 0/4 approved changesets -- score normalized to 0
10Contributorsproject has 4 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 2 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
0SASTSAST tool is not run on all commits -- score normalized to 0
0Security-Policysecurity policy file not detected
k. A.Signed-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities86 existing vulnerabilities detected
Direkte Abhängigkeiten 8
RegistryPaketVersionsvorgabeManifest
PyPImatplotlib>=3.10.8pyproject.toml
PyPInumpy>=2.3.5pyproject.toml
PyPIsectionproperties>=3.10.0pyproject.toml
PyPIshapely>=2.1.2pyproject.toml
PyPIgoogletrans>=4.0.2pyproject.toml
PyPIpython-docx>=1.2.0pyproject.toml
PyPIlatex2mathml>=3.78.1pyproject.toml
PyPImathml2omml>=0.0.2pyproject.toml
Alle Abhängigkeiten 160

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 8 direkte und 152 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIgoogletrans4.0.2direkt
PyPIlatex2mathml3.81.1direkt
PyPImathml2omml0.0.2direkt
PyPImatplotlib3.11.2direkt
PyPInumpy2.5.1direkt
PyPIpython-docx1.2.0direkt
PyPIsectionproperties3.10.2direkt
PyPIshapely2.1.2direkt
PyPIannotated-doc0.0.4indirekt
PyPIannotated-types0.7.0indirekt
PyPIanyio4.11.0indirekt
PyPIappnope0.1.4indirekt
PyPIasttokens3.0.0indirekt
PyPIattrs25.3.0indirekt
PyPIbabel2.17.0indirekt
PyPIbackrefs5.8indirekt
PyPIbeautifulsoup44.13.4indirekt
PyPIbleach6.2.0indirekt
PyPIblue-prints0.7.2indirekt
PyPIbracex2.5.post1indirekt
PyPIcertifi2025.4.26indirekt
PyPIcffi1.17.1indirekt
PyPIcfgv3.4.0indirekt
PyPIcharset-normalizer3.4.2indirekt
PyPIclick8.2.1indirekt
PyPIcolorama0.4.6indirekt
PyPIcomm0.2.2indirekt
PyPIcontourpy1.3.2indirekt
PyPIcoverage7.10.7indirekt
PyPIcycler0.12.1indirekt
PyPIcytriangle2.0.0indirekt
PyPIdebugpy1.8.14indirekt
PyPIdecorator5.2.1indirekt
PyPIdefusedxml0.7.1indirekt
PyPIdistlib0.3.9indirekt
PyPIexecnet2.1.1indirekt
PyPIexecuting2.2.0indirekt
PyPIfastjsonschema2.21.1indirekt
PyPIfilelock3.18.0indirekt
PyPIfonttools4.58.2indirekt
PyPIghp-import2.1.0indirekt
PyPIgitdb4.0.12indirekt
PyPIgitpython3.2.0indirekt
PyPIgriffe1.7.3indirekt
PyPIh110.16.0indirekt
PyPIh24.3.0indirekt
PyPIhpack4.1.0indirekt
PyPIhttpcore1.0.9indirekt
PyPIhttpx0.28.1indirekt
PyPIhyperframe6.1.0indirekt
PyPIicecream2.2.0indirekt
PyPIidentify2.6.12indirekt
PyPIidna3.10indirekt
PyPIiniconfig2.1.0indirekt
PyPIipykernel6.29.5indirekt
PyPIipython9.3.0indirekt
PyPIipython-pygments-lexers1.1.1indirekt
PyPIipywidgets8.1.7indirekt
PyPIjedi0.19.2indirekt
PyPIjinja23.1.6indirekt
PyPIjsonschema4.24.0indirekt
PyPIjsonschema-specifications2025.4.1indirekt
PyPIjupyter-client8.6.3indirekt
PyPIjupyter-core5.8.1indirekt
PyPIjupyterlab-pygments0.3.0indirekt
PyPIjupyterlab-widgets3.0.15indirekt
PyPIjupytext1.17.2indirekt
PyPIkiwisolver1.4.8indirekt
PyPIlxml6.0.2indirekt
PyPImarkdown3.8indirekt
PyPImarkdown-exec1.11.0indirekt
PyPImarkdown-it-py3.0.0indirekt
PyPImarkupsafe3.0.2indirekt
PyPImatplotlib-inline0.1.7indirekt
PyPImdit-py-plugins0.4.2indirekt
PyPImdurl0.1.2indirekt
PyPImergedeep1.3.4indirekt
PyPImistune3.1.3indirekt
PyPImkdocs1.6.1indirekt
PyPImkdocs-autorefs1.4.2indirekt
PyPImkdocs-awesome-nav3.3.0indirekt
PyPImkdocs-gen-files0.6.1indirekt
PyPImkdocs-get-deps0.2.0indirekt
PyPImkdocs-git-revision-date-localized-plugin1.6.0indirekt
PyPImkdocs-jupyter0.26.3indirekt
PyPImkdocs-material9.7.7indirekt
PyPImkdocs-material-extensions1.3.1indirekt
PyPImkdocs-open-in-new-tab1.0.8indirekt
PyPImkdocstrings1.0.0indirekt
PyPImkdocstrings-python1.16.12indirekt
PyPImore-itertools10.7.0indirekt
PyPInatsort8.4.0indirekt
PyPInbclient0.10.2indirekt
PyPInbconvert7.16.6indirekt
PyPInbformat5.10.4indirekt
PyPInest-asyncio1.6.0indirekt
PyPInodeenv1.9.1indirekt
PyPIpackaging25.0indirekt
PyPIpaginate0.5.7indirekt
PyPIpandocfilters1.5.1indirekt
PyPIparso0.8.4indirekt
PyPIpathspec0.12.1indirekt
PyPIpexpect4.9.0indirekt
PyPIpillow12.0.0indirekt
PyPIplatformdirs4.3.8indirekt
PyPIpluggy1.6.0indirekt
PyPIpre-commit4.6.2indirekt
PyPIprompt-toolkit3.0.51indirekt
PyPIproperdocs1.6.7indirekt
PyPIpsutil7.0.0indirekt
PyPIptyprocess0.7.0indirekt
PyPIpure-eval0.2.3indirekt
PyPIpycparser2.22indirekt
PyPIpydantic2.11.5indirekt
PyPIpydantic-core2.33.2indirekt
PyPIpygments2.21.0indirekt
PyPIpygments-ansi-color0.3.0indirekt
PyPIpymdown-extensions10.15indirekt
PyPIpyparsing3.2.3indirekt
PyPIpytest9.1.1indirekt
PyPIpytest-cov7.1.0indirekt
PyPIpytest-describe3.2.0indirekt
PyPIpytest-pspec0.0.4indirekt
PyPIpytest-raises0.11indirekt
PyPIpytest-sugar1.1.1indirekt
PyPIpytest-xdist3.8.0indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpywin32310indirekt
PyPIpyyaml6.0.2indirekt
PyPIpyyaml-env-tag1.1indirekt
PyPIpyzmq26.4.0indirekt
PyPIreferencing0.36.2indirekt
PyPIrequests2.32.4indirekt
PyPIrich15.0.0indirekt
PyPIrpds-py0.25.1indirekt
PyPIruff0.16.9indirekt
PyPIscipy1.16.3indirekt
PyPIshellingham1.5.4indirekt
PyPIsix1.17.0indirekt
PyPIsmmap5.0.2indirekt
PyPIsniffio1.3.1indirekt
PyPIsoupsieve2.7indirekt
PyPIstack-data0.6.3indirekt
PyPItermcolor3.2.0indirekt
PyPItinycss21.4.0indirekt
PyPItornado6.5.1indirekt
PyPItraitlets5.14.3indirekt
PyPIty0.0.84indirekt
PyPItyper0.27.2indirekt
PyPItypes-shapely2.1.0.20260728indirekt
PyPItyping-extensions4.14.0indirekt
PyPItyping-inspection0.4.1indirekt
PyPItzdata2025.2indirekt
PyPIurllib32.4.0indirekt
PyPIvirtualenv20.31.2indirekt
PyPIwatchdog6.0.0indirekt
PyPIwcmatch10.0indirekt
PyPIwcwidth0.2.13indirekt
PyPIwebencodings0.5.1indirekt
PyPIwidgetsnbextension4.0.14indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:blue-prints@0.7.2 zieht 54 Pakete nach sich, direkt und transitiv: 0 tragen bekannte Advisories, davon 0 direkte Abhängigkeiten.

Keine bekannten Advisories betreffen die bewerteten Abhängigkeiten.

Ein Advisory bedeutet, dass die im Abhängigkeitsgraphen erfasste Version in den betroffenen Bereich eines Advisories fällt. Erreichbarkeit wird nicht analysiert, und der Graph enthält Entwicklungs- und Test-Pins — ein Fund kann das Werkzeug betreffen und nicht die ausgelieferte Software.

JSON-Rohbericht maschinenlesbar

Feedback

Stimmt etwas in diesem Bericht nicht, oder gibt es Gedanken dazu? Falsche Messungen, übersehene Tools, Ideen, Fragen — alles ist willkommen. Jede Nachricht wird gelesen und beantwortet.

Die Nachricht bleibt bei der Anmeldung erhalten.

Verwandte Einträge

Geprüfte Repositories, die Katalog-Tags oder Ökosysteme mit Blueprints-org/blueprints teilen. Nebeneinander lesen →

100astropy/astropyAstronomy and astrophysics core libraryAußergewöhnlich100apache/airflowApache Airflow - A platform to programmatically author, schedule, and monitor workflowsAußergewöhnlich100open-telemetry/opentelemetry-pythonOpenTelemetry Python API and SDK Außergewöhnlich100numpy/numpyThe fundamental package for scientific computing with Python.Außergewöhnlich100matplotlib/matplotlibmatplotlib: plotting with PythonAußergewöhnlich100scikit-learn/scikit-learnscikit-learn: machine learning in PythonAußergewöhnlich

Bewertungen sind Signale, keine Garantien. Sie spiegeln öffentlich sichtbare Praxis auf GitHub wider — kein Code-Audit und keine Sicherheitsgarantie.

Fehlende Daten werden ausgeschlossen und die Gewichte neu normiert, nie als null bewertet. Die Methodik ist versioniert und offen: Metriken v2.10.0, Schema v0.34.0 — vollständige Methodik · Metriken-Wiki.

Wie ein einzelnes Ergebnis im Gesamtregister steht: aggregierte Statistiken — PyPI.