Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-10-20 05:03 UTC

Labelbox / labelbox-python

The data factory for next gen AI

PythonApache-2.0★ 157 Sterne⑂ 72 Forksseit Sept. 2018Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird
#python#sdk#ai#ml#mlops#annotation

Labelbox/labelbox-python erreicht einen Gesundheitsindex von 93 von 100 und liegt damit im Bereich Außergewöhnlich. Am stärksten schneidet es bei Sustainability & Governance (90/100) ab, am schwächsten bei Security (59/100). Zuletzt heute aktualisiert. 6 Mitwirkende tragen den Großteil der jüngsten Arbeit.

93
gesamt / 100
Außergewöhnlich

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.

93
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 79 wird auf der veröffentlichten Indexskala auf 93 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

labelboxOrganisation · verifizierte Domain
130 Follower34 öffentliche Reposseit Nov. 2017

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIlabelbox7.15.0123.304197vor 3 Tagenaiedulabelboxlabelingllmmachinelearningml
PyPIlbox-clients1.1.2140.7473vor 642 Tagenaiedulabelboxlabelingllmmachinelearningml
PyPIlbox-alignerr0.1.0121vor 356 Tagenaialignerrlabelboxlabelinglbox-alignerrllmmachinelearningml

Metriken nach Kategorie

Vitalität

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

81Exzellent · 21 % des Gesamtindex

Entwicklungsaktivität

75Gut
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
12.5/36Commit-Rhythmus — 18/52 Wochen mit Commits
16.4/18Commit-Volumen — 66 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 20 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year66
human_commit_share0,96
days_since_last_push0
active_weeks_last_year18

Release-Disziplin

90Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 100 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 3 Tagen
27/27Release-Rhythmus — ein Release etwa alle 23,6 Tage
0/10OpenSSF Scorecard: Signed-Releases — Project has not signed or included provenance with any releases.
Verwendete Eingangsdaten
releases_count100
latest_release_tagv7.15.0
releases_from_tagsnein
days_since_latest_release3
mean_days_between_releases23,6

Community & Verbreitung

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

72Gut · 17 % des Gesamtindex

Popularität & Verbreitung

57Mittel
Wie die Bewertung erfolgt
35.6/60Stars — 157 Stars
15.4/25Forks — 72 Forks
5.6/15Watcher — 11 Watcher
Verwendete Eingangsdaten
forks72
stars157
watchers11
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

77Gut
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (Apache-2.0)
18/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges9
has_contributingja
has_issue_templatenein
has_code_of_conductnein
readme_badge_servicesgithub.com, shields.io
has_pull_request_templateja

Ökosystem-Verbreitung (Downloads)

90Exzellent
Wie die Bewertung erfolgt
72.3/80Downloads pro Monat — 264.063 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packageslabelbox, lbox-clients, lbox-alignerr
dependents—
ecosystemspypi
total_downloads—
monthly_downloads264.063
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?

90Exzellent · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

83Exzellent
Wie die Bewertung erfolgt
48.6/54Bus-Faktor — 6 Beitragende decken die Hälfte aller Commits ab
17.8/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 21 % der Commits
13.5/13.5Breite der Beitragenden — 85 Beitragende
3/10OpenSSF Scorecard: Contributors — project has 1 contributing companies or organizations -- score normalized to 3
Verwendete Eingangsdaten
bus_factor6
contributors_sampled85
top_contributor_share0,207

Reaktionsfähigkeit bei Issues & PRs

92Exzellent
Wie die Bewertung erfolgt
41.5/42Issue-Lösungsquote — 99 % der Issues geschlossen
25.3/30PR-Annahme — 1.681/1.995 entschiedene PRs gemergt
13/13Newcomer PR acceptance — 1/1 PRs von Erstbeitragenden in 30 Tagen gemergt
12/15OpenSSF Scorecard: Code-Review — Found 24/30 approved changesets -- score normalized to 8
Verwendete Eingangsdaten
merged_prs1.681
open_issues1
closed_issues85
prs_merged_7d6
prs_decided_7d6
prs_merged_30d9
prs_decided_30d9
issue_closed_ratio0,988
closed_unmerged_prs314
first_time_authors_30d1
first_time_prs_merged_30d1
first_time_prs_decided_30d1

Eigentümerschaft & Trägerschaft

88Exzellent
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
20/20Verifizierte Domain
15.2/25Reichweite des Inhabers — 130 Follower von Labelbox
23.2/25Kontohistorie — 34 öffentliche Repos, Kontoalter ca. 8 Jahre
Verwendete Eingangsdaten
followers130
owner_typeOrganization
is_verifiedja
owner_loginLabelbox
public_repos34
account_age_days3.255

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 3 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 3 Tagen
20/20Versionshistorie — 197 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packageslabelbox, lbox-clients, lbox-alignerr
ecosystemspypi
any_deprecatednein
min_days_since_publish3

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

90Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

84Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 8 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — libs/labelbox/pyproject.toml ([tool.ruff])
0/9.6Pre-Commit-Hooks
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_confignein

Dokumentation

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://labelbox.com
10/10Repository-Beschreibung
10/10Topics — 6 Topics
10/10Wiki
Verwendete Eingangsdaten
topicspython, sdk, ai, ml, mlops, annotation
has_wikija
homepagehttps://labelbox.com
docs_sitehttps://labelbox.com
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

59Mittel · 16 % des Gesamtindex

Sicherheitslage

49Schwach
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
0.8/7.5Branch-Protection — branch protection is not maximal on development and all release branches
2.5/2.5CI-Tests — 30 out of 30 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
6/7.5Code-Review — Found 24/30 approved changesets -- score normalized to 8
0.8/2.5Contributors — project has 1 contributing companies or organizations -- score normalized to 3
10/10Dangerous-Workflow — no dangerous workflow patterns detected
0/7.5Dependency-Update-Tool — no update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Lizenz — license file detected
7.5/7.5Maintained — 20 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
3.5/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 7
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — Project has not signed or included provenance with any releases.
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0.8/7.5Vulnerabilities — 9 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated18
scorecard_versionv5.5.0
checks_inconclusive0
scorecard_aggregate4,9

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_packages28
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:labelbox@7.15.0 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 28 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.

72Gut · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

55Mittel
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
15/15Maschinenlesbare Doku (llms.txt) — llms.txt wird von der Projektwebsite ausgeliefert (https://docs.labelbox.com/llms.txt)
40/40Lesbare Commit-Historie — 72 von 96 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtja
llms_txt_urlhttps://docs.labelbox.com/llms.txt
legible_history_share0,75
agent_instruction_files—
agent_instruction_max_bytes—

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

71Gut
Wie die Bewertung erfolgt
0/18Bootstrap mit einem Befehl
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — libs/labelbox/pyproject.toml ([tool.ruff])
11/11Statische Typprüfung — libs/labelbox/mypy.ini
10/10Reproduzierbare Umgebung — Dockerfile, lockfile
10/10Belegte Agentenpraxis — 20 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
0/8Automatisierte Wartung — keine automatisierten Abhängigkeits-Updates beobachtet
7/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 7
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilesuv.lock
has_dockerfileja
typed_languagenein
bootstrap_files—
has_devcontainernein
has_linter_configja
typecheck_configslibs/labelbox/mypy.ini
agent_commit_share0,2
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

81Exzellent
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Python mit Typprüfungs-Konfiguration (libs/labelbox/mypy.ini)
54.3/55Handhabbare Dateigrößen — 5/372 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes931.526
source_files_sampled372
oversized_source_files5

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 — example, examples, notebooks
Verwendete Eingangsdaten
example_dirsexample, examples, 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

157GitHub-Sterne
85Mitwirkende
66Commits, letzte 12 Monate
0Tage seit letztem Push
100Releases
6Bus-Faktor
1offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • Could not fetch pypi package 'labelbox-python' from its registry
  • Could not fetch pypi package 'lbox-example' from its registry

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 72 ⇿
0Sterne
72Forks
97Releases

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.

01325385063757122019-032022-122026-09
Major 1Minor 12Patch 2

Jeder Punkt umfasst 7 Tage.

OpenSSF Scorecard 4.9 / 10
4.9Gesamtwert

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 · 2026-10-20 05:03 UTC

10Binary-Artifactsno binaries found in the repo
1Branch-Protectionbranch protection is not maximal on development and all release branches
10CI-Tests30 out of 30 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
8Code-ReviewFound 24/30 approved changesets -- score normalized to 8
3Contributorsproject has 1 contributing companies or organizations -- score normalized to 3
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained20 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
7Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 7
0SASTSAST tool is not run on all commits -- score normalized to 0
10Security-Policysecurity policy file detected
0Signed-ReleasesProject has not signed or included provenance with any releases.
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
1Vulnerabilities9 existing vulnerabilities detected
Direkte Abhängigkeiten 18
RegistryPaketVersionsvorgabeManifest
PyPIsphinx-multiproject>=1.0.0rc1pyproject.toml
PyPIsphinx>=7.1.2pyproject.toml
PyPIsphinx-rtd-theme>=2.0.0pyproject.toml
PyPIgoogle-api-core>=1.22.1libs/labelbox/pyproject.toml
PyPIpydantic>=2.0libs/labelbox/pyproject.toml
PyPIpython-dateutil>=2.8.2, <2.10.0libs/labelbox/pyproject.toml
PyPIrequests>=2.22.0libs/labelbox/pyproject.toml
PyPIstrenum>=0.4.15libs/labelbox/pyproject.toml
PyPItqdm>=4.66.2libs/labelbox/pyproject.toml
PyPIgeojson>=3.1.0libs/labelbox/pyproject.toml
PyPIlbox-clients==1.1.2libs/labelbox/pyproject.toml
PyPIPyYAML>=6.0libs/labelbox/pyproject.toml
PyPIlabelbox>=0.1.0libs/lbox-alignerr/pyproject.toml
PyPIpydantic>=2.0.0libs/lbox-alignerr/pyproject.toml
PyPIpyyaml>=6.0libs/lbox-alignerr/pyproject.toml
PyPIrequests>=2.22.0libs/lbox-clients/pyproject.toml
PyPIgoogle-api-core>=1.22.1libs/lbox-clients/pyproject.toml
PyPIart>=6.2libs/lbox-example/pyproject.toml
Alle Abhängigkeiten 130

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 21 direkte und 109 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIart—direkt
PyPIgeojson—direkt
PyPIgoogle-api-core—direkt
PyPIlabelbox—direkt
PyPIlbox-clients1.1.2direkt
PyPIpydantic—direkt
PyPIpython-dateutil—direkt
PyPIpyyaml—direkt
PyPIrequests—direkt
PyPIrequests2.22.0direkt
PyPIrequests2.32.5direkt
PyPIsphinx2.1.2direkt
PyPIsphinx7.4.7direkt
PyPIsphinx8.1.3direkt
PyPIsphinx8.2.3direkt
PyPIsphinx-multiproject1.0.0direkt
PyPIsphinx-rtd-theme0.4.3direkt
PyPIsphinx-rtd-theme3.0.2direkt
PyPIstrenum—direkt
PyPItqdm—direkt
PyPItqdm4.32.2direkt
PyPIaffine2.2.2indirekt
PyPIalabaster0.7.12indirekt
PyPIalabaster0.7.16indirekt
PyPIalabaster1.0.0indirekt
PyPIastroid2.2.5indirekt
PyPIatomicwrites1.3.0indirekt
PyPIattrs19.1.0indirekt
PyPIbabel2.17.0indirekt
PyPIbabel2.7.0indirekt
PyPIbleach3.1.0indirekt
PyPIcertifi2019.6.16indirekt
PyPIcertifi2025.8.3indirekt
PyPIchardet3.0.4indirekt
PyPIcharset-normalizer3.4.3indirekt
PyPIcheck-manifest0.39indirekt
PyPIclick7.0indirekt
PyPIclick-plugins1.1.1indirekt
PyPIcligj0.5.0indirekt
PyPIcolorama0.4.6indirekt
PyPIcoverage4.5.3indirekt
PyPIdocutils0.14indirekt
PyPIdocutils0.21.2indirekt
PyPIentrypoints0.3indirekt
PyPIfilelock3.0.12indirekt
PyPIflake83.7.8indirekt
PyPIhatchling—indirekt
PyPIidna2.8indirekt
PyPIidna3.10indirekt
PyPIimagesize—indirekt
PyPIimagesize1.1.0indirekt
PyPIimagesize1.4.1indirekt
PyPIimportlib-metadata0.18indirekt
PyPIimportlib-metadata8.7.0indirekt
PyPIisort4.3.21indirekt
PyPIjinja22.10.1indirekt
PyPIjinja23.1.6indirekt
PyPIlabelbox-python0.1.0indirekt
PyPIlazy-object-proxy1.4.1indirekt
PyPIlbox-alignerr—indirekt
PyPImarkupsafe1.1.1indirekt
PyPImarkupsafe3.0.2indirekt
PyPImccabe0.6.1indirekt
PyPImore-itertools7.1.0indirekt
PyPImypy0.720indirekt
PyPImypy-extensions0.4.1indirekt
PyPInumpy—indirekt
PyPInumpy1.16.4indirekt
PyPIopencv-python-headless—indirekt
PyPIpackaging19.0indirekt
PyPIpackaging25.0indirekt
PyPIpillow—indirekt
PyPIpillow6.1.0indirekt
PyPIpkginfo1.5.0.1indirekt
PyPIpluggy0.12.0indirekt
PyPIpockets0.7.2indirekt
PyPIpy1.8.0indirekt
PyPIpycodestyle2.5.0indirekt
PyPIpyflakes2.1.1indirekt
PyPIpygeotile—indirekt
PyPIpygments2.19.2indirekt
PyPIpygments2.4.2indirekt
PyPIpylint2.3.1indirekt
PyPIpyparsing2.4.0indirekt
PyPIpyproj—indirekt
PyPIpytest5.0.1indirekt
PyPIpytest-cov2.7.1indirekt
PyPIpytz2019.1indirekt
PyPIrasterio1.0.24indirekt
PyPIreadme-renderer24.0indirekt
PyPIrequests-toolbelt0.9.1indirekt
PyPIroman-numerals-py3.1.0indirekt
PyPIshapely—indirekt
PyPIshapely1.6.4.post2indirekt
PyPIsimplification0.4.2indirekt
PyPIsix1.12.0indirekt
PyPIsnowballstemmer1.9.0indirekt
PyPIsnowballstemmer3.0.1indirekt
PyPIsnuggs1.4.6indirekt
PyPIsphinxcontrib-applehelp1.0.1indirekt
PyPIsphinxcontrib-applehelp2.0.0indirekt
PyPIsphinxcontrib-devhelp1.0.1indirekt
PyPIsphinxcontrib-devhelp2.0.0indirekt
PyPIsphinxcontrib-htmlhelp1.0.2indirekt
PyPIsphinxcontrib-htmlhelp2.1.0indirekt
PyPIsphinxcontrib-jquery4.1indirekt
PyPIsphinxcontrib-jsmath1.0.1indirekt
PyPIsphinxcontrib-napoleon0.7indirekt
PyPIsphinxcontrib-qthelp1.0.2indirekt
PyPIsphinxcontrib-qthelp2.0.0indirekt
PyPIsphinxcontrib-serializinghtml1.1.3indirekt
PyPIsphinxcontrib-serializinghtml2.0.0indirekt
PyPItoml0.10.0indirekt
PyPItomli2.2.1indirekt
PyPItox3.13.2indirekt
PyPItwine1.13.0indirekt
PyPItyped-ast1.4.0indirekt
PyPItypeguard—indirekt
PyPItyping-extensions—indirekt
PyPItyping-extensions3.7.4indirekt
PyPIurllib31.25.3indirekt
PyPIurllib32.5.0indirekt
PyPIvirtualenv16.6.2indirekt
PyPIwcwidth0.1.7indirekt
PyPIwebencodings0.5.1indirekt
PyPIwheel0.33.4indirekt
PyPIwrapt1.11.2indirekt
PyPIxmltodict0.12.0indirekt
PyPIzipp0.5.2indirekt
PyPIzipp3.23.0indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:labelbox@7.15.0 zieht 28 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 Labelbox/labelbox-python teilen. Nebeneinander lesen →

98Netflix/metaflowBuild, Manage and Deploy AI/ML SystemsAußergewöhnlich98zenml-io/zenmlZenML 🙏: One AI Platform from Pipelines to Agents. https://zenml.io.Außergewöhnlich100deepset-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.Außergewöhnlich99microsoft/agent-frameworkA framework for building, orchestrating and deploying AI agents and multi-agent workflows with support for Python and .NET.Außergewöhnlich99ultralytics/ultralyticsUltralytics YOLO27, YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object trackingAußergewöhnlich99mlflow/mlflowThe open source AI engineering platform for agents, LLMs, and ML models. MLflow enables teams of all sizes to debug, evaluate, monitor, and optimize production-quality AI applications while controlling costs and managing access to models and data.Außergewöhnlich

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.