ZeyuChen / PaddleNLP
Easy-to-use and Fast NLP library with awesome model zoo, supporting wide-range of NLP tasks from research to industrial applications.
ZeyuChen/PaddleNLP erreicht einen Gesundheitsindex von 21 von 100 und liegt damit im Bereich Gefährdet. Am stärksten schneidet es bei Sustainability & Governance (79/100) ab, am schwächsten bei Community & Adoption (12/100). Zuletzt vor 215 Tagen aktualisiert. 6 Mitwirkende tragen den Großteil der jüngsten Arbeit.
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.
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 40 wird auf der veröffentlichten Indexskala auf 35 kalibriert (Register-Kalibrierung 2026-08-02).
Eigentümerschaft
Dieses Repository gehört einem persönlichen Konto. Ein Projekt mit nur einem Eigentümer trägt ein höheres Kontinuitätsrisiko als ein organisationsgetragenes.
Paket-Ökosysteme
| Registry | Paket | Version | Downloads / Monat | Versionen | Zuletzt veröffentlicht |
|---|---|---|---|---|---|
| PyPI | paddlenlpverweist auf ein anderes Repo — nicht bewertet | 2.8.1 | 15.910 | 95 | vor 811 Tagen |
Metriken nach Kategorie
Vitalität
Lebt das Projekt — wird Code geschrieben und werden Releases ausgeliefert?
Entwicklungsaktivität
Arbeit ist eingegangen, und niemand hat sich darum gekümmert
Stille allein ist nie der Befund — eine kleine, fertige Bibliothek braucht womöglich jahrelang keinen Commit. Dieser Hinweis verlangt beides: lange keinen menschlichen Commit und Pflichten, denen das Projekt sichtbar nicht nachkommt. Automatisierte Commits gelten nicht als Pflege.
Wie Verwaisung bewertet wirdWie die Bewertung erfolgt
| 3.6/36 | Push-Aktualität — letzter Push vor 215 Tagen |
| 0/36 | Commit-Rhythmus — 0/52 Wochen mit Commits |
| 0/18 | Commit-Volumen — 0 Commits im letzten Jahr |
| 0/10 | OpenSSF Scorecard: Maintained — keine Daten |
Verwendete Eingangsdaten
| commits_last_year | 0 |
| human_commit_share | 1 |
| days_since_last_push | 215 |
| active_weeks_last_year | 0 |
Release-Disziplin
Wie die Bewertung erfolgt
| 16.2/27 | Liefert Releases aus — 18 Versions-Tags (keine GitHub-Releases) |
| 0/36 | Release-Aktualität — letztes Release vor 1.608 Tagen |
| 27/27 | Release-Rhythmus — ein Release etwa alle 28,8 Tage |
| 0/10 | OpenSSF Scorecard: Signed-Releases — keine Daten |
Verwendete Eingangsdaten
| releases_count | 18 |
| latest_release_tag | v2.2.6 |
| releases_from_tags | ja |
| days_since_latest_release | 1.608 |
| mean_days_between_releases | 28,8 |
Community & Verbreitung
Hat das Projekt Nutzer, Downloads, Aufmerksamkeit und ein einladendes Umfeld für Beitragende?
Popularität & Verbreitung
Wie die Bewertung erfolgt
| 0/60 | Stars — 0 Stars |
| 0/25 | Forks — 1 Forks |
| 0/15 | Watcher — 0 Watcher |
Verwendete Eingangsdaten
| forks | 1 |
| stars | 0 |
| watchers | 0 |
| growth_state | unverified |
| growth_factor_pct | 100 |
| growth_unverified_reason | no_history |
Community-Gesundheit
Wie die Bewertung erfolgt
| 0/22.5 | README |
| 22.5/22.5 | Lizenz — anerkannte Lizenz (Apache-2.0) |
| 0/18 | CONTRIBUTING-Leitfaden |
| 0/13.5 | Verhaltenskodex |
| 0/7.2 | Issue-Vorlage |
| 0/6.3 | PR-Vorlage |
Verwendete Eingangsdaten
| has_readme | nein |
| has_license | nein |
| readme_badges | 4 |
| has_contributing | nein |
| has_issue_template | nein |
| has_code_of_conduct | nein |
| readme_badge_services | shields.io |
| has_pull_request_template | nein |
Nachhaltigkeit & Governance
Überdauert das Projekt die Menschen, die es tragen — Bus-Faktor, Reaktionsfähigkeit, Trägerschaft und Paketpflege?
Maintainer-Resilienz (Bus-Faktor)
Wie die Bewertung erfolgt
| 48.6/54 | Bus-Faktor — 6 Beitragende decken die Hälfte aller Commits ab |
| 19.8/22.5 | Commit-Verteilung — wichtigste beitragende Person verfasste 12 % der Commits |
| 13.5/13.5 | Breite der Beitragenden — 80 Beitragende |
| 0/10 | OpenSSF Scorecard: Contributors — keine Daten |
Verwendete Eingangsdaten
| bus_factor | 6 |
| contributors_sampled | 80 |
| top_contributor_share | 0,12 |
Eigentümerschaft & Trägerschaft
Wie die Bewertung erfolgt
| 10/30 | Organisatorische Trägerschaft — persönliches (Nutzer-)Konto |
| 0/20 | Verifizierte Domain — für Nutzerkonten nicht anwendbar |
| 17.9/25 | Reichweite des Inhabers — 311 Follower von ZeyuChen |
| 23.7/25 | Kontohistorie — 39 öffentliche Repos, Kontoalter ca. 14 Jahre |
Verwendete Eingangsdaten
| followers | 311 |
| owner_type | User |
| is_verified | — |
| owner_login | ZeyuChen |
| public_repos | 39 |
| account_age_days | 5.343 |
Engineering-Qualität
Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?
Engineering-Praktiken
Wie die Bewertung erfolgt
| 0/24 | CI-Workflows |
| 24/24 | Tests vorhanden |
| 16/16 | Linter-Konfiguration |
| 9.6/9.6 | Pre-Commit-Hooks |
| 0/6.4 | .editorconfig |
| 0/20 | OpenSSF Scorecard: CI-Tests — keine Daten |
Verwendete Eingangsdaten
| has_ci | nein |
| has_tests | ja |
| has_editorconfig | nein |
| has_linter_config | ja |
| has_precommit_config | ja |
Dokumentation
Wie die Bewertung erfolgt
| 0/30 | README |
| 25/25 | Dokumentationsverzeichnis |
| 15/15 | Dokumentations-/Homepage-Site — https://paddlenlp.readthedocs.io |
| 0/10 | Repository-Beschreibung |
| 0/10 | Topics |
| 10/10 | Wiki |
Verwendete Eingangsdaten
| topics | — |
| has_wiki | ja |
| homepage | https://paddlenlp.readthedocs.io |
| docs_site | https://paddlenlp.readthedocs.io |
| has_readme | nein |
| has_docs_dir | ja |
| has_description | nein |
Sicherheit
Sind die sichtbaren Sicherheits- und Lieferkettenpraktiken belastbar, ohne ungeklärte Exposition gegenüber Hochrisikojurisdiktionen?
Sicherheitslage
Wie die Bewertung erfolgt
| 0/30 | Sicherheitsrichtlinie (SECURITY.md) |
| 0/25 | Dependabot-Konfiguration |
| 0/25 | Lockfiles für Abhängigkeiten |
| 0/20 | CodeQL-Workflow |
Verwendete Eingangsdaten
| source | file_signals |
| lockfiles | — |
| manifests | docs/requirements.txt, requirements.txt, setup.py, tests/requirements.txt |
| has_codeql_workflow | nein |
| has_security_policy | nein |
| has_dependabot_config | nein |
Wie die Bewertung erfolgt
| 9.5/35 | Direkte Abhängigkeiten ohne bekannte Advisories — 1 betroffen: onnx 1.17.0 (critical 9.1) |
| 25/25 | Indirekte Abhängigkeiten ohne bekannte Advisories — keine indirekte Abhängigkeit trägt ein bekanntes Advisory |
| 32.6/40 | Keine offenen Advisories — 1 Paket(e) mit Advisory seit über 90 Tagen unbehandelt; ältestes vor 414 Tagen veröffentlicht |
Verwendete Eingangsdaten
| source | osv |
| advisories | 16 |
| affected_packages | 1 |
| assessed_packages | 89 |
| unassessed_packages | 0 |
| affected_by_severity | critical 1 |
| direct_affected_packages | 1 |
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.
AI-Agentenkontext & Leitlinien
Wie die Bewertung erfolgt
| 0/45 | Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln |
| 0/15 | Maschinenlesbare Doku (llms.txt) |
| 34.1/40 | Lesbare Commit-Historie — 64 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text) |
Verwendete Eingangsdaten
| has_llms_txt | nein |
| llms_txt_url | — |
| legible_history_share | 0,64 |
| agent_instruction_files | — |
| agent_instruction_max_bytes | — |
Wie die Bewertung erfolgt
| 18/18 | Bootstrap mit einem Befehl — applications/neural_search/recall/domain_adaptive_pretraining/data_tools/Makefile, docs/Makefile, examples/language_model/data_tools/Makefile, examples/language_model/electra/deploy/lite/Makefile |
| 22/22 | Automatisierte Tests |
| 11/11 | Lint-/Format-Konfiguration |
| 0/11 | Statische Typprüfung |
| 0/10 | Reproduzierbare Umgebung |
| 0/10 | Belegte Agentenpraxis — keine von Agenten verfassten Commits unter den letzten 100 |
| 0/8 | Automatisierte Wartung — keine automatisierten Abhängigkeits-Updates beobachtet |
| 0/10 | OpenSSF Scorecard: Pinned-Dependencies — keine Daten |
Verwendete Eingangsdaten
| has_nix | nein |
| has_tests | ja |
| lockfiles | — |
| has_dockerfile | nein |
| typed_language | nein |
| bootstrap_files | applications/neural_search/recall/domain_adaptive_pretraining/data_tools/Makefile, docs/Makefile, examples/language_model/data_tools/Makefile, examples/language_model/electra/deploy/lite/Makefile |
| has_devcontainer | nein |
| has_linter_config | ja |
| typecheck_configs | — |
| agent_commit_share | 0 |
| toolchain_manifests | — |
| dependency_bot_commit_share | 0 |
AI-Code-Lesbarkeit für Modelle
Wie die Bewertung erfolgt
| 0/45 | Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration |
| 54.3/55 | Handhabbare Dateigrößen — 14/1.160 Quelldateien über 60 KB |
Verwendete Eingangsdaten
| primary_language | Python |
| largest_source_bytes | 145.536 |
| source_files_sampled | 1.160 |
| oversized_source_files | 14 |
Maschinenlesbare AI-Schnittstellen
Wie die Bewertung erfolgt
| 40/40 | API-Schema (OpenAPI/GraphQL/proto) — examples/language_model/experimental/ernie/propeller/data/example.proto, examples/language_model/experimental/ernie/propeller/data/feature.proto |
| 0/20 | MCP-Server — für diese Art von Software nicht anwendbar |
| 40/40 | Lauffähige Beispiele — examples, sample, samples |
Verwendete Eingangsdaten
| example_dirs | examples, sample, samples |
| has_mcp_signal | nein |
| api_schema_files | examples/language_model/experimental/ernie/propeller/data/example.proto, examples/language_model/experimental/ernie/propeller/data/feature.proto |
| interfaces_expected_of | — |
Eckdaten
Warnungen zur Datenerhebung
- Community profile unavailable
- pypi package 'paddlenlp' points at a different repository (https://github.com/PaddlePaddle/PaddleNLP); excluded from ecosystem scoring
- GitHub dependency-graph SBOM unavailable (404); the dependency graph may be disabled for this repository
- OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit; 2026/09/09 23:00:47 Warning: PATs stored in env variables GITHUB_AUTH_TOKEN and GITHUB_TOKEN differ. Scorecard will use the former.); skipping Scorecard checks
Weitere Details
Alle Abhängigkeiten nicht erhoben
Der aufgelöste Abhängigkeitssatz konnte für diesen Bericht nicht erhoben werden: GitHub dependency-graph SBOM unavailable (404); the dependency graph may be disabled for this repository
Abhängigkeits-Advisories 1
Die Installation von pypi:paddlenlp@2.8.1 zieht 89 Pakete nach sich, direkt und transitiv: 1 tragen bekannte Advisories, davon 1 direkte Abhängigkeiten.
| Paket | Version | Beziehung | Schweregrad | Advisories | Behoben in |
|---|---|---|---|---|---|
| onnx | 1.17.0 | direkt | kritisch | 16 | 1.22.0 |
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.
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.