Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-13 14:27 UTC

MagnivOrg / prompt-layer-library

🍰 PromptLayer - Maintain a log of your prompts and OpenAI API requests. Track, debug, and replay old completions.

PythonApache-2.0★ 787 Sterne⑂ 95 Forksseit Dez. 2022Auf GitHub ansehen ↗
ArtKommandozeilenwerkzeugBibliothekwie das ermittelt wird
#gpt#machine-learning#openai#prompt#prompt-engineering#python

MagnivOrg/prompt-layer-library erreicht einen Gesundheitsindex von 90 von 100 und liegt damit im Bereich Exzellent. Am stärksten schneidet es bei Engineering Quality (90/100) ab, am schwächsten bei Community & Adoption (65/100). Zuletzt vor 24 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

PromptLayerOrganisation
80 Follower25 öffentliche Reposseit Dez. 2021

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlicht
PyPIpromptlayer1.5.16115.889205vor 24 Tagen

Metriken nach Kategorie

Vitalität

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

81Exzellent · 21 % des Gesamtindex

Entwicklungsaktivität

77Gut
Wie die Bewertung erfolgt
28.8/36Push-Aktualität — letzter Push vor 24 Tagen
20.1/36Commit-Rhythmus — 29/52 Wochen mit Commits
18/18Commit-Volumen — 126 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year126
human_commit_share0,94
days_since_last_push24
active_weeks_last_year29

Release-Disziplin

88Exzellent
Wie die Bewertung erfolgt
16.2/27Liefert Releases aus — 39 Versions-Tags (keine GitHub-Releases)
36/36Release-Aktualität — letztes Release vor 24 Tagen
27/27Release-Rhythmus — ein Release etwa alle 1,7 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count39
latest_release_tagv1.5.16
releases_from_tagsja
days_since_latest_release24
mean_days_between_releases1,7
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?

65Gut · 17 % des Gesamtindex

Popularität & Verbreitung

67Gut
Wie die Bewertung erfolgt
47/60Stars — 787 Stars
16.4/25Forks — 95 Forks
3.9/15Watcher — 6 Watcher
Verwendete Eingangsdaten
forks95
stars787
watchers6
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 (Apache-2.0)
0/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges2
has_contributingnein
has_issue_templatenein
has_code_of_conductnein
readme_badge_servicesshields.io
has_pull_request_templatenein

Ökosystem-Verbreitung (Downloads)

84Exzellent
Wie die Bewertung erfolgt
67.5/80Downloads pro Monat — 115.889 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagespromptlayer
dependents—
ecosystemspypi
total_downloads—
monthly_downloads115.889
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?

73Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

62Mittel
Wie die Bewertung erfolgt
25.2/54Bus-Faktor — 2 Beitragende decken die Hälfte aller Commits ab
13.3/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 41 % der Commits
13.5/13.5Breite der Beitragenden — 26 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 5 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor2
contributors_sampled26
top_contributor_share0,408

Reaktionsfähigkeit bei Issues & PRs

74Gut
Wie die Bewertung erfolgt
34.4/42Issue-Lösungsquote — 82 % der Issues geschlossen
24.6/30PR-Annahme — 204/249 entschiedene PRs gemergt
0/13Newcomer PR acceptance — 0/4 PRs von Erstbeitragenden in 30 Tagen gemergt
15/15OpenSSF Scorecard: Code-Review — all changesets reviewed
Verwendete Eingangsdaten
merged_prs204
open_issues18
closed_issues81
prs_merged_7d0
prs_decided_7d0
prs_merged_30d2
prs_decided_30d6
issue_closed_ratio0,818
closed_unmerged_prs45
first_time_authors_30d2
first_time_prs_merged_30d0
first_time_prs_decided_30d4

Eigentümerschaft & Trägerschaft

64Mittel
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain
13.7/25Reichweite des Inhabers — 80 Follower von MagnivOrg
19.8/25Kontohistorie — 25 öffentliche Repos, Kontoalter ca. 4 Jahre
Verwendete Eingangsdaten
followers80
owner_typeOrganization
is_verifiednein
owner_loginMagnivOrg
public_repos25
account_age_days1.726

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 24 Tagen
20/20Versionshistorie — 205 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagespromptlayer
ecosystemspypi
any_deprecatednein
min_days_since_publish24

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

90Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

100Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows — 3 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff])
9.6/9.6Pre-Commit-Hooks
6.4/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 18 out of 18 merged PRs checked by a CI test -- score normalized to 10
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfigja
has_linter_configja
has_precommit_configja

Dokumentation

75Gut
Wie die Bewertung erfolgt
30/30README
0/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://www.promptlayer.com
10/10Repository-Beschreibung
10/10Topics — 6 Topics
10/10Wiki
Verwendete Eingangsdaten
topicsgpt, machine-learning, openai, prompt, prompt-engineering, python
has_wikija
homepagehttps://www.promptlayer.com
docs_sitehttps://www.promptlayer.com
has_readmeja
has_docs_dirnein
has_descriptionja

Sicherheit

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

69Gut · 16 % des Gesamtindex

Sicherheitslage

61Mittel
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
3.8/7.5Branch-Protection — branch protection is not maximal on development and all release branches
2.5/2.5CI-Tests — 18 out of 18 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
7.5/7.5Code-Review — all changesets reviewed
2.5/2.5Contributors — project has 5 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 0 issue activity found in the last 90 days -- score normalized to 10
0/5Packaging — keine Daten
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
5/5SAST — SAST tool is run on all commits
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 — 82 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate6,1
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Packaging, 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_packages43
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:promptlayer@1.5.16 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 43 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.

68Gut · 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://www.promptlayer.com/llms.txt)
40/40Lesbare Commit-Historie — 73 von 94 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtja
llms_txt_urlhttps://www.promptlayer.com/llms.txt
legible_history_share0,777
agent_instruction_files—
agent_instruction_max_bytes—

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

71Gut
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff])
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — devcontainer, lockfile
10/10Belegte Agentenpraxis — 10 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
lockfilespoetry.lock, uv.lock
has_dockerfilenein
typed_languagenein
bootstrap_filesMakefile
has_devcontainerja
has_linter_configja
typecheck_configs—
agent_commit_share0,1
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

54Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
54.2/55Handhabbare Dateigrößen — 2/137 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes109.917
source_files_sampled137
oversized_source_files2

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
Verwendete Eingangsdaten
example_dirsexamples
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

787GitHub-Sterne
26Mitwirkende
126Commits, letzte 12 Monate
24Tage seit letztem Push
39Releases
2Bus-Faktor
18offene 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 ★ / 95 ⇿
0Sterne
95Forks
39Releases

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.

0204060801009442023-022024-112026-08
Major 0Minor 5Patch 34

Jeder Punkt umfasst 4 Tage.

OpenSSF Scorecard 6.1 / 10
6.1Gesamtwert

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 · 2026-09-13 14:26 UTC

10Binary-Artifactsno binaries found in the repo
5Branch-Protectionbranch protection is not maximal on development and all release branches
10CI-Tests18 out of 18 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
10Code-Reviewall changesets reviewed
10Contributorsproject has 5 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 0 issue activity found in the last 90 days -- score normalized to 10
k. A.Packagingpackaging workflow not detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
10SASTSAST tool is run on all commits
0Security-Policysecurity policy file not detected
k. A.Signed-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities82 existing vulnerabilities detected
Direkte Abhängigkeiten 20
RegistryPaketVersionsvorgabeManifest
PyPIrequests^2.31.0pyproject.toml
PyPIopentelemetry-api—pyproject.toml
PyPIopentelemetry-sdk—pyproject.toml
PyPIopentelemetry-exporter-otlp-proto-http—pyproject.toml
PyPIaiohttp^3.10.10pyproject.toml
PyPIhttpx^0.28.1pyproject.toml
PyPInest-asyncio^1.6.0pyproject.toml
PyPIcentrifuge-python^0.4.1pyproject.toml
PyPItenacity^9.1.2pyproject.toml
PyPIcachetools^5.0.0pyproject.toml
PyPIopenrouter^1.1.2pyproject.toml
PyPIopenai-agents^0.3.3pyproject.toml
PyPIclaude-agent-sdk>=0.1.45,<1.0.0pyproject.toml
PyPIopentelemetry-instrumentation-genai-openai>=1.0b0,<1.1b0pyproject.toml
PyPIopentelemetry-instrumentation-genai-anthropic>=1.0b0,<1.1b0pyproject.toml
PyPIopentelemetry-instrumentation-google-genai>=1.0b1,<1.1b0pyproject.toml
PyPIopentelemetry-instrumentation-botocore0.65b0pyproject.toml
PyPIeval-type-backport^0.3.1pyproject.toml
PyPIjinja2^3.1.6pyproject.toml
PyPIrich>=13.0.0pyproject.toml
Alle Abhängigkeiten 108

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 14 direkte und 94 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIaiohttp3.10.10direkt
PyPIcachetools5.5.2direkt
PyPIcentrifuge-python0.4.1direkt
PyPIclaude-agent-sdk0.1.49direkt
PyPIeval-type-backport0.3.1direkt
PyPIhttpx0.28.1direkt
PyPIjinja23.1.6direkt
PyPInest-asyncio1.6.0direkt
PyPIopenai-agents0.3.3direkt
PyPIopentelemetry-api1.26.0direkt
PyPIopentelemetry-exporter-otlp-proto-http1.26.0direkt
PyPIopentelemetry-sdk1.26.0direkt
PyPIrequests2.31.0direkt
PyPItenacity9.1.2direkt
PyPIably2.1.1indirekt
PyPIaioboto313.4.0indirekt
PyPIaiobotocore2.18.0indirekt
PyPIaiofiles24.1.0indirekt
PyPIaiohappyeyeballs2.4.3indirekt
PyPIaioitertools0.12.0indirekt
PyPIaiosignal1.3.1indirekt
PyPIannotated-types0.7.0indirekt
PyPIanthropic0.84.0indirekt
PyPIanyio4.8.0indirekt
PyPIasync-timeout4.0.3indirekt
PyPIattrs23.2.0indirekt
PyPIboto31.36.1indirekt
PyPIbotocore1.36.1indirekt
PyPIcertifi2024.2.2indirekt
PyPIcffi2.0.0indirekt
PyPIcharset-normalizer3.3.2indirekt
PyPIclick8.3.1indirekt
PyPIcolorama0.4.6indirekt
PyPIcryptography46.0.5indirekt
PyPIdeprecated1.2.14indirekt
PyPIdistro1.9.0indirekt
PyPIdocstring-parser0.17.0indirekt
PyPIexceptiongroup1.2.1indirekt
PyPIfrozenlist1.4.1indirekt
PyPIgoogle-auth2.38.0indirekt
PyPIgoogle-genai1.46.0indirekt
PyPIgoogleapis-common-protos1.73.0indirekt
PyPIgriffe1.14.0indirekt
PyPIh110.14.0indirekt
PyPIh24.1.0indirekt
PyPIhpack4.0.0indirekt
PyPIhttpcore1.0.5indirekt
PyPIhttpx-sse0.4.3indirekt
PyPIhyperframe6.0.1indirekt
PyPIidna3.7indirekt
PyPIimportlib-metadata8.0.0indirekt
PyPIiniconfig2.0.0indirekt
PyPIjiter0.8.2indirekt
PyPIjmespath1.0.1indirekt
PyPIjsonschema4.26.0indirekt
PyPIjsonschema-specifications2025.9.1indirekt
PyPImarkupsafe3.0.3indirekt
PyPImcp1.26.0indirekt
PyPImethoddispatch3.0.2indirekt
PyPImsgpack1.1.0indirekt
PyPImultidict6.0.5indirekt
PyPIopenai1.109.1indirekt
PyPIopentelemetry-exporter-otlp-proto-common1.26.0indirekt
PyPIopentelemetry-processor-baggage0.61b0indirekt
PyPIopentelemetry-proto1.26.0indirekt
PyPIopentelemetry-semantic-conventions0.47b0indirekt
PyPIpackaging24.0indirekt
PyPIpluggy1.5.0indirekt
PyPIpropcache0.2.0indirekt
PyPIprotobuf4.25.8indirekt
PyPIpyasn10.6.1indirekt
PyPIpyasn1-modules0.4.1indirekt
PyPIpycparser3.0indirekt
PyPIpydantic2.11.7indirekt
PyPIpydantic-core2.33.2indirekt
PyPIpydantic-settings2.10.1indirekt
PyPIpyee11.1.1indirekt
PyPIpyjwt2.12.1indirekt
PyPIpytest8.2.0indirekt
PyPIpytest-asyncio0.23.6indirekt
PyPIpytest-network0.0.1indirekt
PyPIpytest-parametrize-cases0.1.2indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-dotenv1.1.1indirekt
PyPIpython-multipart0.0.22indirekt
PyPIpywin32311indirekt
PyPIpyyaml6.0.2indirekt
PyPIreferencing0.37.0indirekt
PyPIrpds-py0.30.0indirekt
PyPIrsa4.9indirekt
PyPIs3transfer0.11.3indirekt
PyPIsix1.16.0indirekt
PyPIsniffio1.3.1indirekt
PyPIsse-starlette3.3.2indirekt
PyPIstarlette0.52.1indirekt
PyPItomli2.0.1indirekt
PyPItqdm4.66.4indirekt
PyPItypes-requests2.31.0.6indirekt
PyPItypes-urllib31.26.25.14indirekt
PyPItyping-extensions4.14.0indirekt
PyPItyping-inspection0.4.1indirekt
PyPIurllib31.26.20indirekt
PyPIuvicorn0.42.0indirekt
PyPIvcrpy6.0.2indirekt
PyPIwebsockets15.0.1indirekt
PyPIwrapt1.16.0indirekt
PyPIyarl1.15.2indirekt
PyPIzipp3.19.2indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:promptlayer@1.5.16 zieht 43 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 MagnivOrg/prompt-layer-library teilen. Nebeneinander lesen →

98langchain-ai/langchainjsThe agent engineering platformAußergewöhnlich99mlflow/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.Außergewöhnlich98strands-agents/toolsA set of tools that gives agents powerful capabilities.Außergewöhnlich97langgenius/difyBuild Agentic workflows, RAG pipelines, with rich AI model and tool support on one collaborative workspace. Deploy on cloud, VPC, or self-hosted, so teams move from prototype to production without rebuilding the stack.Außergewöhnlich98langwatch/langwatchThe platform for LLM evaluations and AI agent testingAußergewöhnlich100scikit-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.