Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-17 15:43 UTC

FlagOpen / FlagEmbedding

Retrieval and Retrieval-augmented LLMs

Python · Jupyter NotebookMIT★ 12.171 Sterne⑂ 917 Forksseit Aug. 2023Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird
#embeddings#information-retrieval#llm#sentence-embeddings#text-semantic-similarity#retrieval-augmented-generation

FlagOpen/FlagEmbedding erreicht einen Gesundheitsindex von 69 von 100 und liegt damit im Bereich Gut. Am stärksten schneidet es bei Community & Adoption (74/100) ab, am schwächsten bei Security (21/100). Zuletzt vor 24 Tagen aktualisiert. 2 Mitwirkende tragen den Großteil der jüngsten Arbeit.

69
gesamt / 100
Gut

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.

69
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 62 wird auf der veröffentlichten Indexskala auf 69 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

FlagOpenOrganisation
1.037 Follower34 öffentliche Reposseit Sept. 2022

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlicht
PyPIFlagEmbedding1.4.2-33vor 24 Tagen

Metriken nach Kategorie

Vitalität

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

68Gut · 21 % des Gesamtindex

Entwicklungsaktivität

58Mittel
Wie die Bewertung erfolgt
28.8/36Push-Aktualität — letzter Push vor 24 Tagen
7.6/36Commit-Rhythmus — 11/52 Wochen mit Commits
15.9/18Commit-Volumen — 58 Commits im letzten Jahr
0/10OpenSSF Scorecard: Maintained — keine Daten
Verwendete Eingangsdaten
commits_last_year58
human_commit_share1
days_since_last_push24
active_weeks_last_year11

Release-Disziplin

84Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 9 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 24 Tagen
12.6/27Release-Rhythmus — ein Release etwa alle 132,6 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count9
latest_release_tagv1.4.2
releases_from_tagsnein
days_since_latest_release24
mean_days_between_releases132,6

Community & Verbreitung

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

74Gut · 17 % des Gesamtindex

Popularität & Verbreitung

95Außergewöhnlich
Wie die Bewertung erfolgt
60/60Stars — 12.171 Stars
24.7/25Forks — 917 Forks
9.9/15Watcher — 61 Watcher
Verwendete Eingangsdaten
forks917
stars12.171
watchers61
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

50Mittel
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (MIT)
0/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges5
has_contributingnein
has_issue_templatenein
has_code_of_conductnein
readme_badge_servicesshields.io
has_pull_request_templatenein

Nachhaltigkeit & Governance

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

68Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

60Mittel
Wie die Bewertung erfolgt
25.2/54Bus-Faktor — 2 Beitragende decken die Hälfte aller Commits ab
15.7/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 30 % der Commits
13.5/13.5Breite der Beitragenden — 65 Beitragende
0/10OpenSSF Scorecard: Contributors — keine Daten
Verwendete Eingangsdaten
bus_factor2
contributors_sampled65
top_contributor_share0,304

Reaktionsfähigkeit bei Issues & PRs

51Mittel
Wie die Bewertung erfolgt
14.1/42Issue-Lösungsquote — 34 % der Issues geschlossen
25.9/30PR-Annahme — 209/242 entschiedene PRs gemergt
3.2/13Newcomer PR acceptance — 1/4 PRs von Erstbeitragenden in 30 Tagen gemergt
0/15OpenSSF Scorecard: Code-Review — keine Daten
Verwendete Eingangsdaten
merged_prs209
open_issues880
closed_issues445
prs_merged_7d0
prs_decided_7d0
prs_merged_30d6
prs_decided_30d9
issue_closed_ratio0,336
closed_unmerged_prs33
first_time_authors_30d4
first_time_prs_merged_30d1
first_time_prs_decided_30d4

Eigentümerschaft & Trägerschaft

71Gut
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain
21.7/25Reichweite des Inhabers — 1.037 Follower von FlagOpen
19.2/25Kontohistorie — 34 öffentliche Repos, Kontoalter ca. 3 Jahre
Verwendete Eingangsdaten
followers1.037
owner_typeOrganization
is_verifiednein
owner_loginFlagOpen
public_repos34
account_age_days1.451

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 24 Tagen
20/20Versionshistorie — 33 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesFlagEmbedding
ecosystemspypi
any_deprecatednein
min_days_since_publish24

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

72Gut · 19 % des Gesamtindex

Engineering-Praktiken

60Mittel
Wie die Bewertung erfolgt
24/24CI-Workflows — 1 Workflow(s)
24/24Tests vorhanden
0/16Linter-Konfiguration
0/9.6Pre-Commit-Hooks
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — keine Daten
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_confignein
has_precommit_confignein

Dokumentation

90Exzellent
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — http://www.bge-model.com/
10/10Repository-Beschreibung
10/10Topics — 6 Topics
0/10Wiki
Verwendete Eingangsdaten
topicsembeddings, information-retrieval, llm, sentence-embeddings, text-semantic-similarity, retrieval-augmented-generation
has_wikinein
homepagehttp://www.bge-model.com/
docs_sitehttp://www.bge-model.com/
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

21Gefährdet · 16 % des Gesamtindex

Sicherheitslage

1Kritisch
Wie die Bewertung erfolgt
0/30Sicherheitsrichtlinie (SECURITY.md)
0/25Dependabot-Konfiguration
0/25Lockfiles für Abhängigkeiten — veröffentlichte Bibliothek — Lockfiles sind Sache der Anwendung, hier nicht erwartet
0/20CodeQL-Workflow
Verwendete Eingangsdaten
sourcefile_signals
lockfiles—
manifestsdocs/requirements.txt, setup.py
has_codeql_workflownein
has_security_policynein
has_dependabot_confignein
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Lockfiles für Abhängigkeiten. 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_packages87
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:FlagEmbedding@1.4.2 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 87 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.

49Schwach · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

29Gefährdet
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
29.3/40Lesbare Commit-Historie — 55 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,55
agent_instruction_files—
agent_instruction_max_bytes—

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

44Schwach
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — docs/Makefile
22/22Automatisierte Tests
0/11Lint-/Format-Konfiguration
0/11Statische Typprüfung
0/10Reproduzierbare Umgebung
0/10Belegte Agentenpraxis — keine von Agenten verfassten Commits unter den letzten 100
0/8Automatisierte Wartung — keine automatisierten Abhängigkeits-Updates beobachtet
0/10OpenSSF Scorecard: Pinned-Dependencies — keine Daten
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfiles—
has_dockerfilenein
typed_languagenein
bootstrap_filesdocs/Makefile
has_devcontainernein
has_linter_confignein
typecheck_configs—
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

54Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
53.8/55Handhabbare Dateigrößen — 12/544 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes75.908
source_files_sampled544
oversized_source_files12

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

12.171GitHub-Sterne
65Mitwirkende
58Commits, letzte 12 Monate
24Tage seit letztem Push
9Releases
2Bus-Faktor
880offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • pypi download statistics for 'FlagEmbedding' unavailable this scan (stats endpoint failed after retries); adoption may be under-evidenced
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit; 2026/09/17 15:41:12 Warning: PATs stored in env variables GITHUB_AUTH_TOKEN and GITHUB_TOKEN differ. Scorecard will use the former.); skipping Scorecard checks

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 917 ⇿
0Sterne
917Forks
9Releases

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.

02004006008001.000915172023-082025-022026-09
Major 0Minor 1Patch 4

Jeder Punkt umfasst 3 Tage.

Alle Abhängigkeiten 49

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 0 direkte und 49 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIaccelerate—indirekt
PyPIbitsandbytes—indirekt
PyPIdatasets—indirekt
PyPIdatasets2.14.0indirekt
PyPIdeepspeed—indirekt
PyPIeinops—indirekt
PyPIfaiss-gpu1.7.2indirekt
PyPIflagembedding—indirekt
PyPIflash-attn—indirekt
PyPIftfy—indirekt
PyPIfunc-timeout4.3.5indirekt
PyPIir-datasets—indirekt
PyPIjinja2—indirekt
PyPIlangchain0.0.244indirekt
PyPIlangchain-openai0.0.6indirekt
PyPImodelscope—indirekt
PyPImteb1.1.1indirekt
PyPImyst-nb—indirekt
PyPImyst-parser—indirekt
PyPInumpy1.23.3indirekt
PyPIopenai0.27.4indirekt
PyPIpandas2.2.1indirekt
PyPIpeft—indirekt
PyPIpeft0.10.0indirekt
PyPIprotobuf—indirekt
PyPIpydata-sphinx-theme—indirekt
PyPIpyserini0.21.0indirekt
PyPIrank-bm250.2.2indirekt
PyPIrapidfuzz3.6.1indirekt
PyPIsentence-transformers—indirekt
PyPIsentencepiece—indirekt
PyPIsphinx—indirekt
PyPIsphinx-design—indirekt
PyPIsql-metadata2.10.0indirekt
PyPIsqlglot22.1.1indirekt
PyPItiktoken0.4.0indirekt
PyPItiktoken0.6.0indirekt
PyPItimm—indirekt
PyPItorch—indirekt
PyPItorch2.0.1indirekt
PyPItorch-geometric2.3.1indirekt
PyPItorchvision—indirekt
PyPItornado6.4indirekt
PyPItqdm4.65.0indirekt
PyPItransformers—indirekt
PyPItransformers4.30.2indirekt
PyPItransformers4.41.1indirekt
PyPIurllib31.25.11indirekt
PyPIvllm0.7.1indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:FlagEmbedding@1.4.2 zieht 87 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 FlagOpen/FlagEmbedding teilen. Nebeneinander lesen →

100deepset-ai/haystackOpen-source AI orchestration framework for building context-engineered, production-ready LLM applications. Design modular pipelines and agent workflows with explicit control over retrieval, routing, memory, and generation. Built for scalable agents, RAG, multimodal applications, semantic search, and conversational systems.Außergewöhnlich98Unstructured-IO/unstructuredConvert documents to structured data effortlessly. Unstructured is open-source ETL solution for transforming complex documents into clean, structured formats for language models. Visit our website to learn more about our enterprise grade Platform product for production grade workflows, partitioning, enrichments, chunking and embedding.Außergewöhnlich98awslabs/generative-ai-cdk-constructsAWS Generative AI CDK Constructs are sample implementations of AWS CDK for common generative AI patterns.Außergewöhnlich97redis/redis-vl-pythonRedis Vector Library (RedisVL) -- the AI-native Python client for Redis.Außergewöhnlich96onyx-dot-app/onyxOpen Source AI Platform - AI Chat with advanced features that works with every LLMAußergewöhnlich96embeddings-benchmark/mtebMTEB: State-of-the-art evaluation of embeddings across languages and modalitiesAußergewöhnlich

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.