Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-17 05:35 UTC

MarcoPorcellato / logseq-matryca-parser

Stop feeding broken Markdown to your AI. A deterministic Logseq parser that preserves parent-child context for RAG, plus a 60FPS visualizer 👓 , plus writer ✍️ append only

PythonApache-2.0★ 28 Sterne⑂ 17 Forksseit Apr. 2026Auf GitHub ansehen ↗
ArtKommandozeilenwerkzeugBibliothekwie das ermittelt wird
#ast#local-first#logseq#logseq-export#python#rag#ai#knowledge-graph#parser

MarcoPorcellato/logseq-matryca-parser erreicht einen Gesundheitsindex von 88 von 100 und liegt damit im Bereich Exzellent. Am stärksten schneidet es bei Engineering Quality (96/100) ab, am schwächsten bei Sustainability & Governance (55/100). Zuletzt heute aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

88
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.

88
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 74 wird auf der veröffentlichten Indexskala auf 88 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

Marco PorcellatoPersönliches Konto
33 Follower34 öffentliche Reposseit Juli 2025Matryca.ai

Dieses Repository gehört einem persönlichen Konto. Ein Projekt mit nur einem Eigentümer trägt ein höheres Kontinuitätsrisiko als ein organisationsgetragenes.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIlogseq-matryca-parser1.9.096720vor 11 Tagenaiastknowledge-graphlogseqparserrag

Metriken nach Kategorie

Vitalität

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

83Exzellent · 21 % des Gesamtindex

Entwicklungsaktivität

78Gut
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
14.5/36Commit-Rhythmus — 21/52 Wochen mit Commits
18/18Commit-Volumen — 359 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 30 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year359
human_commit_share0,91
days_since_last_push0
active_weeks_last_year21

Release-Disziplin

90Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 24 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 11 Tagen
27/27Release-Rhythmus — ein Release etwa alle 8,3 Tage
0/10OpenSSF Scorecard: Signed-Releases — Project has not signed or included provenance with any releases.
Verwendete Eingangsdaten
releases_count24
latest_release_tagv1.9.0
releases_from_tagsnein
days_since_latest_release11
mean_days_between_releases8,3

Community & Verbreitung

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

58Mittel · 17 % des Gesamtindex

Popularität & Verbreitung

33Gefährdet
Wie die Bewertung erfolgt
23.2/60Stars — 28 Stars
10/25Forks — 17 Forks
0/15Watcher — 1 Watcher
Verwendete Eingangsdaten
forks17
stars28
watchers1
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

92Exzellent
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (Apache-2.0)
18/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges7
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_servicesgithub.com, shields.io
has_pull_request_templateja

Ökosystem-Verbreitung (Downloads)

50Mittel
Wie die Bewertung erfolgt
39.8/80Downloads pro Monat — 967 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packageslogseq-matryca-parser
dependents—
ecosystemspypi
total_downloads—
monthly_downloads967
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?

55Mittel · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

37Schwach
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
8.2/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 64 % der Commits
13.5/13.5Breite der Beitragenden — 10 Beitragende
6/10OpenSSF Scorecard: Contributors — project has 2 contributing companies or organizations -- score normalized to 6
Verwendete Eingangsdaten
bus_factor1
contributors_sampled10
top_contributor_share0,635

Reaktionsfähigkeit bei Issues & PRs

52Mittel
Wie die Bewertung erfolgt
28.8/42Issue-Lösungsquote — 69 % der Issues geschlossen
23.2/30PR-Annahme — 86/111 entschiedene PRs gemergt
0/13Newcomer PR acceptance — 0/3 PRs von Erstbeitragenden in 30 Tagen gemergt
0/15OpenSSF Scorecard: Code-Review — Found 0/28 approved changesets -- score normalized to 0
Verwendete Eingangsdaten
merged_prs86
open_issues33
closed_issues72
prs_merged_7d0
prs_decided_7d1
prs_merged_30d32
prs_decided_30d39
issue_closed_ratio0,686
closed_unmerged_prs25
first_time_authors_30d3
first_time_prs_merged_30d0
first_time_prs_decided_30d3

Eigentümerschaft & Trägerschaft

43Schwach
Wie die Bewertung erfolgt
10/30Organisatorische Trägerschaft — persönliches (Nutzer-)Konto
0/20Verifizierte Domain — für Nutzerkonten nicht anwendbar
11/25Reichweite des Inhabers — 33 Follower von MarcoPorcellato
13.6/25Kontohistorie — 34 öffentliche Repos, Kontoalter ca. 1 Jahre
Verwendete Eingangsdaten
followers33
owner_typeUser
is_verified—
owner_loginMarcoPorcellato
public_repos34
account_age_days429
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 11 Tagen
20/20Versionshistorie — 20 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packageslogseq-matryca-parser
ecosystemspypi
any_deprecatednein
min_days_since_publish11

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

96Außergewöhnlich · 19 % des Gesamtindex

Engineering-Praktiken

94Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows — 8 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff])
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 10 out of 10 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://github.com/MarcoPorcellato/logseq-matryca-parser/tree/main/docs
10/10Repository-Beschreibung
10/10Topics — 9 Topics
10/10Wiki
Verwendete Eingangsdaten
topicsast, local-first, logseq, logseq-export, python, rag, ai, knowledge-graph, parser
has_wikija
homepage—
docs_sitehttps://github.com/MarcoPorcellato/logseq-matryca-parser/tree/main/docs
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

76Gut · 16 % des Gesamtindex

Sicherheitslage

70Gut
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — branch protection not enabled on development/release branches
2.5/2.5CI-Tests — 10 out of 10 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 0/28 approved changesets -- score normalized to 0
1.5/2.5Contributors — project has 2 contributing companies or organizations -- score normalized to 6
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 30 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
5/5Pinned-Dependencies — all dependencies are pinned
5/5SAST — SAST tool is run on all commits
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — Project has not signed or included provenance with any releases.
7.5/7.5Token-Permissions — GitHub workflow tokens follow principle of least privilege
6.8/7.5Vulnerabilities — 1 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated18
scorecard_versionv5.5.0
checks_inconclusive0
scorecard_aggregate7

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_packages12
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:logseq-matryca-parser@1.9.0 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 12 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.

93Außergewöhnlich · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

100Außergewöhnlich
Wie die Bewertung erfolgt
45/45Agentenanweisungen — .cursorrules, .github/copilot-instructions.md, AGENTS.md, CLAUDE.md
15/15Maschinenlesbare Doku (llms.txt) — llms.txt vorhanden
40/40Lesbare Commit-Historie — 91 von 91 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtja
llms_txt_url—
legible_history_share1
agent_instruction_files.cursorrules, .github/copilot-instructions.md, AGENTS.md, CLAUDE.md
agent_instruction_max_bytes6.190

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

90Exzellent
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff])
11/11Statische Typprüfung — src/logseq_matryca_parser/py.typed
10/10Reproduzierbare Umgebung — lockfile
0/10Belegte Agentenpraxis — keine von Agenten verfassten Commits unter den letzten 100
8/8Automatisierte Wartung — 9 der letzten 100 Commits sind automatisierte Abhängigkeits-Updates
10/10OpenSSF Scorecard: Pinned-Dependencies — all dependencies are pinned
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilesuv.lock
has_dockerfilenein
typed_languagenein
bootstrap_filesMakefile
has_devcontainernein
has_linter_configja
typecheck_configssrc/logseq_matryca_parser/py.typed
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0,09

AI-Code-Lesbarkeit für Modelle

80Exzellent
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Python mit Typprüfungs-Konfiguration (src/logseq_matryca_parser/py.typed)
52.6/55Handhabbare Dateigrößen — 4/90 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes468.813
source_files_sampled90
oversized_source_files4

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

28GitHub-Sterne
10Mitwirkende
359Commits, letzte 12 Monate
0Tage seit letztem Push
24Releases
1Bus-Faktor
33offene 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 ★ / 17 ⇿
0Sterne
17Forks
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.

0481216201722026-042026-072026-09
Major 1Minor 8Patch 14
OpenSSF Scorecard 7.0 / 10
7.0Gesamtwert

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 · 2026-09-17 05:35 UTC

10Binary-Artifactsno binaries found in the repo
0Branch-Protectionbranch protection not enabled on development/release branches
10CI-Tests10 out of 10 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 0/28 approved changesets -- score normalized to 0
6Contributorsproject has 2 contributing companies or organizations -- score normalized to 6
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 30 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
10Pinned-Dependenciesall dependencies are pinned
10SASTSAST tool is run on all commits
10Security-Policysecurity policy file detected
0Signed-ReleasesProject has not signed or included provenance with any releases.
10Token-PermissionsGitHub workflow tokens follow principle of least privilege
9Vulnerabilities1 existing vulnerabilities detected
Direkte Abhängigkeiten 3
RegistryPaketVersionsvorgabeManifest
PyPIpydantic>=2.7.0pyproject.toml
PyPItyper>=0.12.0pyproject.toml
PyPIrich>=13.7.1pyproject.toml
Alle Abhängigkeiten 130

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 3 direkte und 127 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIpydantic2.13.3direkt
PyPIrich15.0.0direkt
PyPItyper0.24.2direkt
PyPIaiohappyeyeballs2.6.1indirekt
PyPIaiohttp3.14.3indirekt
PyPIaiosignal1.4.0indirekt
PyPIaiosqlite0.22.1indirekt
PyPIannotated-doc0.0.4indirekt
PyPIannotated-types0.7.0indirekt
PyPIanyio4.13.0indirekt
PyPIasttokens3.0.1indirekt
PyPIattrs26.1.0indirekt
PyPIbanks2.4.5indirekt
PyPIboolean-py5.0indirekt
PyPIcachecontrol0.14.4indirekt
PyPIcertifi2026.4.22indirekt
PyPIcfgv3.5.0indirekt
PyPIcharset-normalizer3.4.7indirekt
PyPIclick8.3.3indirekt
PyPIcolorama0.4.6indirekt
PyPIcoverage7.14.1indirekt
PyPIcyclonedx-python-lib11.11.0indirekt
PyPIdataclasses-json0.6.7indirekt
PyPIdecorator5.2.1indirekt
PyPIdefusedxml0.7.1indirekt
PyPIdeprecated1.3.1indirekt
PyPIdirtyjson1.0.8indirekt
PyPIdistlib0.4.3indirekt
PyPIexecuting2.2.1indirekt
PyPIfilelock3.29.4indirekt
PyPIfiletype1.2.0indirekt
PyPIfrozenlist1.8.0indirekt
PyPIfsspec2026.4.0indirekt
PyPIgreenlet3.5.0indirekt
PyPIgriffe2.0.2indirekt
PyPIgriffecli2.0.2indirekt
PyPIgriffelib2.0.2indirekt
PyPIh110.16.0indirekt
PyPIhttpcore1.0.9indirekt
PyPIhttpx0.28.1indirekt
PyPIidentify2.6.19indirekt
PyPIidna3.15indirekt
PyPIiniconfig2.3.0indirekt
PyPIipython9.13.0indirekt
PyPIipython-pygments-lexers1.1.1indirekt
PyPIjedi0.19.2indirekt
PyPIjinja23.1.6indirekt
PyPIjoblib1.5.3indirekt
PyPIjsonpatch1.33indirekt
PyPIjsonpickle4.1.1indirekt
PyPIjsonpointer3.1.1indirekt
PyPIlangchain-core1.3.3indirekt
PyPIlangchain-protocol0.0.15indirekt
PyPIlangsmith0.8.18indirekt
PyPIlibrt0.9.0indirekt
PyPIlicense-expression30.4.4indirekt
PyPIllama-index-core0.14.22indirekt
PyPIllama-index-instrumentation0.5.0indirekt
PyPIllama-index-workflows2.20.0indirekt
PyPImarkdown-it-py4.0.0indirekt
PyPImarkupsafe3.0.3indirekt
PyPImarshmallow3.26.2indirekt
PyPImatplotlib-inline0.2.1indirekt
PyPImdurl0.1.2indirekt
PyPImsgpack1.2.1indirekt
PyPImultidict6.7.1indirekt
PyPImypy1.20.2indirekt
PyPImypy-extensions1.1.0indirekt
PyPInest-asyncio1.6.0indirekt
PyPInetworkx3.6.1indirekt
PyPInltk3.10.3indirekt
PyPInodeenv1.10.0indirekt
PyPInumpy2.4.4indirekt
PyPIorjson3.11.9indirekt
PyPIpackageurl-python0.17.6indirekt
PyPIpackaging26.2indirekt
PyPIparso0.8.6indirekt
PyPIpathspec1.1.0indirekt
PyPIpexpect4.9.0indirekt
PyPIpillow12.3.0indirekt
PyPIpip26.2indirekt
PyPIpip-api0.0.34indirekt
PyPIpip-audit2.10.1indirekt
PyPIpip-requirements-parser32.0.1indirekt
PyPIplatformdirs4.9.6indirekt
PyPIpluggy1.6.0indirekt
PyPIpre-commit4.6.0indirekt
PyPIprompt-toolkit3.0.52indirekt
PyPIpropcache0.5.2indirekt
PyPIpsutil7.2.2indirekt
PyPIptyprocess0.7.0indirekt
PyPIpure-eval0.2.3indirekt
PyPIpy-serializable2.1.0indirekt
PyPIpydantic-core2.46.3indirekt
PyPIpygments2.20.0indirekt
PyPIpyparsing3.3.2indirekt
PyPIpytest9.0.3indirekt
PyPIpytest-cov7.1.0indirekt
PyPIpython-discovery1.4.2indirekt
PyPIpyvis0.3.2indirekt
PyPIpyyaml6.0.3indirekt
PyPIregex2026.5.9indirekt
PyPIrequests2.33.1indirekt
PyPIrequests-toolbelt1.0.0indirekt
PyPIruff0.15.12indirekt
PyPIsetuptools83.0.0indirekt
PyPIshellingham1.5.4indirekt
PyPIsortedcontainers2.4.0indirekt
PyPIsqlalchemy2.0.49indirekt
PyPIstack-data0.6.3indirekt
PyPItenacity9.1.4indirekt
PyPItiktoken0.12.0indirekt
PyPItinytag2.2.1indirekt
PyPItomli2.4.1indirekt
PyPItomli-w1.2.0indirekt
PyPItqdm4.67.3indirekt
PyPItraitlets5.14.3indirekt
PyPItyping-extensions4.15.0indirekt
PyPItyping-inspect0.9.0indirekt
PyPItyping-inspection0.4.2indirekt
PyPIurllib32.7.0indirekt
PyPIuuid-utils0.14.1indirekt
PyPIvirtualenv21.5.1indirekt
PyPIwatchdog6.0.0indirekt
PyPIwcwidth0.6.0indirekt
PyPIwebsockets16.0indirekt
PyPIwrapt2.1.2indirekt
PyPIxxhash3.7.0indirekt
PyPIyarl1.23.0indirekt
PyPIzstandard0.25.0indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:logseq-matryca-parser@1.9.0 zieht 12 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 MarcoPorcellato/logseq-matryca-parser 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.Außergewöhnlich98langchain-ai/langchainThe agent engineering platform.Außergewöhnlich98mem0ai/mem0The Memory Layer for AI Agents - Drop-in memory infrastructure for AI agents and apps. Context that persists. Built for production.Außergewöhnlich98neo4j/neo4j-graphrag-pythonNeo4j GraphRAG for PythonAußergewöhnlich98langchain-ai/langgraphBuild resilient agents.Außergewöhnlich99ultralytics/ultralyticsUltralytics YOLO27, YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object trackingAußergewöhnlich

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.