Öffentliches Register
Software-GesundheitsberichtSchema 0.31.0 · Metriken 2.10.0 · 2026-08-09 17:26 UTC

LazyAGI / LazyLLM

Easiest and laziest way for building multi-agent LLMs applications.

PythonApache-2.0★ 3.866 Sterne⑂ 404 Forksseit Juni 2024Auf GitHub ansehen ↗
ArtKommandozeilenwerkzeugBibliothekNetzwerkdienstwie das ermittelt wird
#llms#ai-agent#deep-learning#langchain#llamaindex#rag#agents#data#finetuning#framework#llm#documentation-tool#knowlege-graph#lazyllm

LazyAGI/LazyLLM erreicht einen Gesundheitsindex von 89 von 100 und liegt damit im Bereich Exzellent. Am stärksten schneidet es bei Vitality (95/100) ab, am schwächsten bei Security (45/100). Zuletzt vor 2 Tagen aktualisiert. 2 Mitwirkende tragen den Großteil der jüngsten Arbeit.

89
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.

89
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 75 wird auf der veröffentlichten Indexskala auf 89 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

LazyAGIOrganisation
253 Follower10 öffentliche Reposseit Juni 2024

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlicht
PyPIlazyllm1.2.29.46947vor 7 Tagen

Metriken nach Kategorie

Vitalität

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

95Außergewöhnlich · 21 % des Gesamtindex

Entwicklungsaktivität

99Außergewöhnlich
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 2 Tagen
35.3/36Commit-Rhythmus — 51/52 Wochen mit Commits
18/18Commit-Volumen — 385 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_year385
human_commit_share1
days_since_last_push2
active_weeks_last_year51

Release-Disziplin

90Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 34 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 7 Tagen
27/27Release-Rhythmus — ein Release etwa alle 16,8 Tage
0/10OpenSSF Scorecard: Signed-Releases — Project has not signed or included provenance with any releases.
Verwendete Eingangsdaten
releases_count34
latest_release_tagv1.2.2
releases_from_tagsnein
days_since_latest_release7
mean_days_between_releases16,8

Community & Verbreitung

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

83Exzellent · 17 % des Gesamtindex

Popularität & Verbreitung

92Exzellent
Wie die Bewertung erfolgt
58.2/60Stars — 3.866 Stars
21.7/25Forks — 404 Forks
12.1/15Watcher — 149 Watcher
Verwendete Eingangsdaten
forks404
stars3.866
watchers149
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 (Apache-2.0)
0/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges3
has_contributingnein
has_issue_templatenein
has_code_of_conductja
readme_badge_servicesgithub.com, shields.io
has_pull_request_templateja

Nachhaltigkeit & Governance

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

76Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

61Mittel
Wie die Bewertung erfolgt
25.2/54Bus-Faktor — 2 Beitragende decken die Hälfte aller Commits ab
12.2/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 46 % der Commits
13.5/13.5Breite der Beitragenden — 44 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 5 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor2
contributors_sampled44
top_contributor_share0,457

Reaktionsfähigkeit bei Issues & PRs

75Gut
Wie die Bewertung erfolgt
32/42Issue-Lösungsquote — 76 % der Issues geschlossen
24.9/30PR-Annahme — 927/1.115 entschiedene PRs gemergt
7.8/13Newcomer PR acceptance — 3/5 PRs von Erstbeitragenden in 30 Tagen gemergt
10.5/15OpenSSF Scorecard: Code-Review — Found 22/30 approved changesets -- score normalized to 7
Verwendete Eingangsdaten
merged_prs927
open_issues33
closed_issues105
prs_merged_7d3
prs_decided_7d3
prs_merged_30d39
prs_decided_30d47
issue_closed_ratio0,761
closed_unmerged_prs188
first_time_authors_30d4
first_time_prs_merged_30d3
first_time_prs_decided_30d5

Eigentümerschaft & Trägerschaft

74Gut
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain — Verifizierungsstatus der Domain für diese Organisation nicht ausgelesen
17.3/25Reichweite des Inhabers — 253 Follower von LazyAGI
11.9/25Kontohistorie — 10 öffentliche Repos, Kontoalter ca. 2 Jahre
Verwendete Eingangsdaten
followers253
owner_typeOrganization
is_verified—
owner_loginLazyAGI
public_repos10
account_age_days796
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Verifizierte Domain. Die verbleibenden Gewichte wurden renormalisiert.

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 7 Tagen
20/20Versionshistorie — 47 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packageslazyllm
ecosystemspypi
any_deprecatednein
min_days_since_publish7

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

74Gut · 19 % des Gesamtindex

Engineering-Praktiken

64Mittel
Wie die Bewertung erfolgt
24/24CI-Workflows — 3 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — .flake8
0/9.6Pre-Commit-Hooks
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — 0 out of 30 merged PRs checked by a CI test -- score normalized to 0
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_confignein

Dokumentation

90Exzellent
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://docs.lazyllm.ai/
10/10Repository-Beschreibung
10/10Topics — 14 Topics
0/10Wiki
Verwendete Eingangsdaten
topicsllms, ai-agent, deep-learning, langchain, llamaindex, rag, agents, data, finetuning, framework, llm, documentation-tool, knowlege-graph, lazyllm
has_wikinein
homepagehttps://docs.lazyllm.ai/
docs_sitehttps://docs.lazyllm.ai/
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

45Schwach · 16 % des Gesamtindex

Sicherheitslage

31Gefährdet
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
2.2/7.5Branch-Protection — branch protection is not maximal on development and all release branches
0/2.5CI-Tests — 0 out of 30 merged PRs checked by a CI test -- score normalized to 0
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
5.2/7.5Code-Review — Found 22/30 approved changesets -- score normalized to 7
2.5/2.5Contributors — project has 5 contributing companies or organizations
0/10Dangerous-Workflow — 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 — 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 — Project has not signed or included provenance with any releases.
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 97 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated18
scorecard_versionv5.5.0
checks_inconclusive0
scorecard_aggregate3,1

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_packages31
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:lazyllm@1.2.2 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 31 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.

64Mittel · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

85Exzellent
Wie die Bewertung erfolgt
45/45Agentenanweisungen — docs/lazyllm-skill/assets/agent/agent.md, docs/lazyllm-skill/references/agent.md, lazyllm/AGENTS.md, lazyllm/common/AGENTS.md, lazyllm/components/AGENTS.md, lazyllm/flow/AGENTS.md, lazyllm/module/AGENTS.md, lazyllm/module/llms/onlinemodule/AGENTS.md, lazyllm/tools/AGENTS.md, lazyllm/tools/agent/AGENTS.md, lazyllm/tools/rag/AGENTS.md
0/15Maschinenlesbare Doku (llms.txt)
40/40Lesbare Commit-Historie — 98 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,98
agent_instruction_filesdocs/lazyllm-skill/assets/agent/agent.md, docs/lazyllm-skill/references/agent.md, lazyllm/AGENTS.md, lazyllm/common/AGENTS.md, lazyllm/components/AGENTS.md, lazyllm/flow/AGENTS.md, lazyllm/module/AGENTS.md, lazyllm/module/llms/onlinemodule/AGENTS.md, lazyllm/tools/AGENTS.md, lazyllm/tools/agent/AGENTS.md, lazyllm/tools/rag/AGENTS.md
agent_instruction_max_bytes15.837

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

61Mittel
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — .flake8
0/11Statische Typprüfung
0/10Reproduzierbare Umgebung
10/10Belegte Agentenpraxis — 12 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
0/8Automatisierte Wartung — keine automatisierten Abhängigkeits-Updates beobachtet
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfiles—
has_dockerfilenein
typed_languagenein
bootstrap_filesMakefile
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share0,12
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

54Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
54/55Handhabbare Dateigrößen — 15/846 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes476.471
source_files_sampled846
oversized_source_files15

Maschinenlesbare AI-Schnittstellen

40Schwach
Wie die Bewertung erfolgt
0/40API-Schema (OpenAPI/GraphQL/proto)
0/20MCP-Server
40/40Lauffähige Beispiele — cookbook, examples
Verwendete Eingangsdaten
example_dirscookbook, examples
has_mcp_signalnein
api_schema_files—
interfaces_expected_ofnetwork-service

Eckdaten

3.866GitHub-Sterne
44Mitwirkende
385Commits, letzte 12 Monate
2Tage seit letztem Push
34Releases
2Bus-Faktor
33offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • First-time contributor figures cover 12 of 15 authors (cap 12)

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 404 ⇿
0Sterne
404Forks
34Releases

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.

010020030040039992024-062025-072026-08
Major 0Minor 7Patch 21

Jeder Punkt umfasst 2 Tage.

OpenSSF Scorecard 3.1 / 10
3.1Gesamtwert

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 · 2026-08-09 17:23 UTC

10Binary-Artifactsno binaries found in the repo
3Branch-Protectionbranch protection is not maximal on development and all release branches
0CI-Tests0 out of 30 merged PRs checked by a CI test -- score normalized to 0
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
7Code-ReviewFound 22/30 approved changesets -- score normalized to 7
10Contributorsproject has 5 contributing companies or organizations
0Dangerous-Workflowdangerous workflow patterns detected
0Dependency-Update-Toolno update 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
0Signed-ReleasesProject has not signed or included provenance with any releases.
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities97 existing vulnerabilities detected
Direkte Abhängigkeiten 16
RegistryPaketVersionsvorgabeManifest
PyPItoml—pyproject.toml
PyPItqdm—pyproject.toml
PyPIfilelock—pyproject.toml
PyPIpyyaml—pyproject.toml
PyPIpackaging—pyproject.toml
PyPIfastapi>=0.111.0pyproject.toml
PyPIloguru>=0.7.2pyproject.toml
PyPIpydantic>=2.11.7,<3.0.0pyproject.toml
PyPIrequests>=2.32.2pyproject.toml
PyPIuvicorn>=0.23.2pyproject.toml
PyPIcloudpickle>=3.0.0pyproject.toml
PyPIdocstring-parser>=0.16,<0.17pyproject.toml
PyPIjson5>=0.9.25,<0.10.0pyproject.toml
PyPIpyjwt>=2.8.0pyproject.toml
PyPIpsutil>=6.0.0,<7.0.0pyproject.toml
PyPIdeepdiff>=8.6.1pyproject.toml
Alle Abhängigkeiten 197

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 32 direkte und 165 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIcloudpickle—direkt
PyPIcloudpickle3.1.2direkt
PyPIdeepdiff—direkt
PyPIdeepdiff9.1.0direkt
PyPIdocstring-parser—direkt
PyPIdocstring-parser0.16direkt
PyPIfastapi—direkt
PyPIfastapi0.139.2direkt
PyPIfilelock—direkt
PyPIfilelock3.32.0direkt
PyPIjson5—direkt
PyPIjson50.9.28direkt
PyPIloguru—direkt
PyPIloguru0.7.3direkt
PyPIpackaging—direkt
PyPIpackaging26.2direkt
PyPIpsutil—direkt
PyPIpsutil6.1.1direkt
PyPIpydantic—direkt
PyPIpydantic2.13.4direkt
PyPIpyjwt—direkt
PyPIpyjwt2.13.0direkt
PyPIpyyaml—direkt
PyPIpyyaml6.0.3direkt
PyPIrequests—direkt
PyPIrequests2.34.2direkt
PyPItoml—direkt
PyPItoml0.10.2direkt
PyPItqdm—direkt
PyPItqdm4.69.0direkt
PyPIuvicorn—direkt
PyPIuvicorn0.51.0direkt
PyPIaccelerate—indirekt
PyPIaccelerate0.20.3indirekt
PyPIannotated-doc0.0.4indirekt
PyPIannotated-types—indirekt
PyPIannotated-types0.7.0indirekt
PyPIanyio—indirekt
PyPIanyio4.14.2indirekt
PyPIappdirs—indirekt
PyPIasync-timeout—indirekt
PyPIbeautifulsoup4—indirekt
PyPIbitsandbytes—indirekt
PyPIblack—indirekt
PyPIbm25s—indirekt
PyPIboto3—indirekt
PyPIbotocore—indirekt
PyPIcachebox5.2.3indirekt
PyPIcertifi—indirekt
PyPIcertifi2026.7.22indirekt
PyPIchardet—indirekt
PyPIcharset-normalizer3.4.9indirekt
PyPIchattts—indirekt
PyPIchromadb—indirekt
PyPIclick—indirekt
PyPIclick8.4.2indirekt
PyPIcollie-lm—indirekt
PyPIcolorama—indirekt
PyPIcolorama0.4.6indirekt
PyPIctranslate2—indirekt
PyPIdashscope—indirekt
PyPIdatasets—indirekt
PyPIdatasketch1.9.0indirekt
PyPIdeepspeed—indirekt
PyPIdeepspeed0.12.3indirekt
PyPIdiffusers—indirekt
PyPIdistro—indirekt
PyPIdocx2txt—indirekt
PyPIdynaconf—indirekt
PyPIebooklib—indirekt
PyPIelasticsearch—indirekt
PyPIexceptiongroup—indirekt
PyPIexceptiongroup1.3.1indirekt
PyPIfaiss-cpu—indirekt
PyPIfasttext-predict0.9.2.4indirekt
PyPIfire—indirekt
PyPIflagembedding—indirekt
PyPIflake8—indirekt
PyPIflash-attn—indirekt
PyPIfsspec—indirekt
PyPIftfy—indirekt
PyPIfunasr—indirekt
PyPIgoogle—indirekt
PyPIgradio—indirekt
PyPIgradio5.49.1indirekt
PyPIgradio-client—indirekt
PyPIh11—indirekt
PyPIh110.16.0indirekt
PyPIhtml2text—indirekt
PyPIhttpcore—indirekt
PyPIhttpx—indirekt
PyPIhuggingface-hub—indirekt
PyPIhuggingface-hub0.35.3indirekt
PyPIidna—indirekt
PyPIidna3.18indirekt
PyPIimageio—indirekt
PyPIimageio-ffmpeg—indirekt
PyPIinfinity-emb—indirekt
PyPIjieba—indirekt
PyPIjson-repair—indirekt
PyPIlangfuse—indirekt
PyPIlazyllm-llamafactory—indirekt
PyPIlazyllm-lmdeploy—indirekt
PyPIlazyllm-verl—indirekt
PyPIlibcst1.4.0indirekt
PyPIlightllm—indirekt
PyPIloralib—indirekt
PyPIloralib0.1.1indirekt
PyPIlxml-html-clean0.4.3indirekt
PyPImath-verify0.9.0indirekt
PyPImcp—indirekt
PyPImilvus-lite2.4.10indirekt
PyPImistune—indirekt
PyPImkdocs—indirekt
PyPImkdocs-autorefs—indirekt
PyPImkdocs-material—indirekt
PyPImkdocs-section-index—indirekt
PyPImkdocs-static-i18n—indirekt
PyPImkdocstrings—indirekt
PyPImkdocstrings-python—indirekt
PyPImodelscope—indirekt
PyPInbconvert—indirekt
PyPInbformat—indirekt
PyPInltk—indirekt
PyPInumpy—indirekt
PyPInumpy1.26.4indirekt
PyPIolefile—indirekt
PyPIopenai-whisper—indirekt
PyPIopenpyxl—indirekt
PyPIopensearch-py—indirekt
PyPIopentelemetry-api—indirekt
PyPIopentelemetry-exporter-otlp-proto-http—indirekt
PyPIopentelemetry-sdk—indirekt
PyPIoptimum—indirekt
PyPIorderly-set5.5.0indirekt
PyPIpandas—indirekt
PyPIpeft—indirekt
PyPIpeft0.3.0indirekt
PyPIpluggy—indirekt
PyPIpowermem—indirekt
PyPIprotobuf—indirekt
PyPIpsycopg2-binary—indirekt
PyPIpyahocorasick2.3.0indirekt
PyPIpydantic-core—indirekt
PyPIpydantic-core2.46.4indirekt
PyPIpydub—indirekt
PyPIpymilvus—indirekt
PyPIpymongo—indirekt
PyPIpymysql—indirekt
PyPIpypdf—indirekt
PyPIpystemmer—indirekt
PyPIpytesseract—indirekt
PyPIpytest—indirekt
PyPIpytest-cov—indirekt
PyPIpytest-order—indirekt
PyPIpytest-rerunfailures—indirekt
PyPIpytest-xdist—indirekt
PyPIpython-docx—indirekt
PyPIpython-pptx—indirekt
PyPIqwen-vl-utils—indirekt
PyPIrank-bm25—indirekt
PyPIrapidfuzz—indirekt
PyPIredis—indirekt
PyPIredisvl—indirekt
PyPIrotary-embedding-torch—indirekt
PyPIscikit-learn—indirekt
PyPIscipy—indirekt
PyPIsentence-transformers—indirekt
PyPIsentencepiece—indirekt
PyPIsentencepiece0.1.99indirekt
PyPIsniffio—indirekt
PyPIsortedcontainers—indirekt
PyPIspacy—indirekt
PyPIsqlalchemy—indirekt
PyPIstarlette1.3.1indirekt
PyPItenacity—indirekt
PyPItensorboard—indirekt
PyPItensorboard-data-server—indirekt
PyPItiktoken—indirekt
PyPItimm—indirekt
PyPItokenizers—indirekt
PyPItokenizers0.13.3indirekt
PyPItorch—indirekt
PyPItorchvision—indirekt
PyPItrafilatura2.0.0indirekt
PyPItransformers—indirekt
PyPItyper—indirekt
PyPItyping-extensions—indirekt
PyPItyping-extensions4.16.0indirekt
PyPItyping-inspection0.4.2indirekt
PyPIurllib32.7.0indirekt
PyPIvllm—indirekt
PyPIvolcengine-python-sdk—indirekt
PyPIwandb—indirekt
PyPIwikipedia—indirekt
PyPIwin32-setctime1.2.0indirekt
PyPIzhipuai—indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:lazyllm@1.2.2 zieht 31 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 LazyAGI/LazyLLM teilen. Nebeneinander lesen →

100run-llama/llama_indexLlamaIndex is the leading document agent and OCR platformAußergewöhnlich99langchain-ai/langgraphBuild resilient agents.Außergewöhnlich98langchain-ai/langchainThe agent engineering platform.Außergewöhnlich100Arize-ai/phoenixAI Observability & EvaluationAußergewöhnlich100deepset-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.Außergewöhnlich96Canner/WrenAIGenBI (Generative BI) for AI agents, an open-source, governed text-to-SQL through an open context layer that turns natural-language questions into trusted dashboards, charts, and SQL across 20+ data sources, such as BigQuery, Snowflake, PostgreSQL, ClickHouse, Amazon Redshift, Databricks and more.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 v0.31.0 — vollständige Methodik · Metriken-Wiki.

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