Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-10-19 16:39 UTC

arini-ai / azure-switchboard

Coordination-free client loadbalancer for Azure Foundry

PythonMIT★ 3 Sterne⑂ 1 Forkseit Feb. 2025Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird

arini-ai/azure-switchboard erreicht einen Gesundheitsindex von 62 von 100 und liegt damit im Bereich Mittel. Am stärksten schneidet es bei AI Readiness (80/100) ab, am schwächsten bei Community & Adoption (36/100). Zuletzt vor 16 Tagen aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

62
gesamt / 100
Mittel

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.

62
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 58 wird auf der veröffentlichten Indexskala auf 62 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

Arini AIOrganisation · verifizierte Domain
1 Follower1 öffentliches Reposeit Dez. 2024

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIazure-switchboard2026.8.28.15228vor 60 Tagenaianthropicazureclaudellmloadbalancingopenai

Metriken nach Kategorie

Vitalität

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

67Gut · 21 % des Gesamtindex

Entwicklungsaktivität

52Mittel
Wie die Bewertung erfolgt
28.8/36Push-Aktualität — letzter Push vor 16 Tagen
5.5/36Commit-Rhythmus — 8/52 Wochen mit Commits
13.1/18Commit-Volumen — 28 Commits im letzten Jahr
5/10OpenSSF Scorecard: Maintained — 7 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 5
Verwendete Eingangsdaten
commits_last_year28
human_commit_share0,77
days_since_last_push16
active_weeks_last_year8

Release-Disziplin

90Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 32 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 60 Tagen
27/27Release-Rhythmus — ein Release etwa alle 21,2 Tage
0/10OpenSSF Scorecard: Signed-Releases — Project has not signed or included provenance with any releases.
Verwendete Eingangsdaten
releases_count32
latest_release_tag2026.8.2
releases_from_tagsnein
days_since_latest_release60
mean_days_between_releases21,2

Community & Verbreitung

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

36Schwach · 17 % des Gesamtindex

Popularität & Verbreitung

5Kritisch
Wie die Bewertung erfolgt
4.9/60Stars — 3 Stars
0/25Forks — 1 Forks
0/15Watcher — 2 Watcher
Verwendete Eingangsdaten
forks1
stars3
watchers2
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 (MIT)
0/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges3
has_contributingnein
has_issue_templatenein
has_code_of_conductnein
readme_badge_servicesgithub.com, shields.io
has_pull_request_templatenein

Ökosystem-Verbreitung (Downloads)

65Gut
Wie die Bewertung erfolgt
52.2/80Downloads pro Monat — 8.152 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesazure-switchboard
dependents—
ecosystemspypi
total_downloads—
monthly_downloads8.152
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?

59Mittel · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

24Gefährdet
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
2.1/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 90 % der Commits
2.7/13.5Breite der Beitragenden — 2 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 3 contributing companies or organizations -- score normalized to 10
Verwendete Eingangsdaten
bus_factor1
contributors_sampled2
top_contributor_share0,905

Reaktionsfähigkeit bei Issues & PRs

70Gut
Wie die Bewertung erfolgt
33.6/42Issue-Lösungsquote — 80 % der Issues geschlossen
27.2/30PR-Annahme — 58/64 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
0/15OpenSSF Scorecard: Code-Review — Found 1/30 approved changesets -- score normalized to 0
Verwendete Eingangsdaten
merged_prs58
open_issues1
closed_issues4
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio0,8
closed_unmerged_prs6
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.

Eigentümerschaft & Trägerschaft

58Mittel
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
20/20Verifizierte Domain
2.2/25Reichweite des Inhabers — 1 Follower von arini-ai
5.9/25Kontohistorie — 1 öffentliche Repos, Kontoalter ca. 1 Jahre
Verwendete Eingangsdaten
followers1
owner_typeOrganization
is_verifiedja
owner_loginarini-ai
public_repos1
account_age_days685

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 60 Tagen
20/20Versionshistorie — 28 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesazure-switchboard
ecosystemspypi
any_deprecatednein
min_days_since_publish60

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

71Gut · 19 % des Gesamtindex

Engineering-Praktiken

92Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 3 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — ruff.toml
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
18/20OpenSSF Scorecard: CI-Tests — 13 out of 14 merged PRs checked by a CI test -- score normalized to 9
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_configja

Dokumentation

40Schwach
Wie die Bewertung erfolgt
30/30README
0/25Dokumentationsverzeichnis
0/15Dokumentations-/Homepage-Site
10/10Repository-Beschreibung
0/10Topics
0/10Wiki
Verwendete Eingangsdaten
topics—
has_wikinein
homepage—
docs_site—
has_readmeja
has_docs_dirnein
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
2.2/2.5CI-Tests — 13 out of 14 merged PRs checked by a CI test -- score normalized to 9
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
0/7.5Code-Review — Found 1/30 approved changesets -- score normalized to 0
2.5/2.5Contributors — project has 3 contributing companies or organizations -- score normalized to 10
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
3.8/7.5Maintained — 7 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 5
0/5Packaging — keine Daten
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 — 45 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate3,1
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Packaging. 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_packages19
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:azure-switchboard@2026.8.2 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 19 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.

80Exzellent · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

76Gut
Wie die Bewertung erfolgt
45/45Agentenanweisungen — CLAUDE.md
0/15Maschinenlesbare Doku (llms.txt)
30.5/40Lesbare Commit-Historie — 44 von 77 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,571
agent_instruction_filesCLAUDE.md
agent_instruction_max_bytes4.259

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

82Exzellent
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — justfile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — ruff.toml
11/11Statische Typprüfung — src/azure_switchboard/py.typed
10/10Reproduzierbare Umgebung — lockfile
10/10Belegte Agentenpraxis — 6 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
lockfilesuv.lock
has_dockerfilenein
typed_languagenein
bootstrap_filesjustfile
has_devcontainernein
has_linter_configja
typecheck_configssrc/azure_switchboard/py.typed
agent_commit_share0,06
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

82Exzellent
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Python mit Typprüfungs-Konfiguration (src/azure_switchboard/py.typed)
55/55Handhabbare Dateigrößen — 0/18 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes43.326
source_files_sampled18
oversized_source_files0

Eckdaten

3GitHub-Sterne
2Mitwirkende
28Commits, letzte 12 Monate
16Tage seit letztem Push
32Releases
1Bus-Faktor
1offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token

Weitere Details

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 · 2026-10-19 16:38 UTC

10Binary-Artifactsno binaries found in the repo
3Branch-Protectionbranch protection is not maximal on development and all release branches
9CI-Tests13 out of 14 merged PRs checked by a CI test -- score normalized to 9
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
0Code-ReviewFound 1/30 approved changesets -- score normalized to 0
10Contributorsproject has 3 contributing companies or organizations -- score normalized to 10
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
5Maintained7 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 5
k. A.Packagingpackaging workflow not 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
0Vulnerabilities45 existing vulnerabilities detected
Direkte Abhängigkeiten 5
RegistryPaketVersionsvorgabeManifest
PyPIanthropic>=0.122.0pyproject.toml
PyPIopenai>=2.0.0pyproject.toml
PyPIopentelemetry-api>=1.30.0pyproject.toml
PyPItenacity>=9.0.0pyproject.toml
PyPIwrapt>=1.17.2pyproject.toml
Alle Abhängigkeiten 123

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 5 direkte und 118 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIanthropic0.122.0direkt
PyPIopenai2.17.0direkt
PyPIopentelemetry-api1.39.1direkt
PyPItenacity9.1.4direkt
PyPIwrapt1.17.3direkt
PyPIannotated-types0.7.0indirekt
PyPIanyio4.12.1indirekt
PyPIappnope0.1.4indirekt
PyPIasttokens3.0.1indirekt
PyPIattrs25.4.0indirekt
PyPIazure-switchboard2026.8.1indirekt
PyPIbackports-asyncio-runner1.2.0indirekt
PyPIbumpver2025.1131indirekt
PyPIcertifi2026.1.4indirekt
PyPIcffi2.0.0indirekt
PyPIcfgv3.5.0indirekt
PyPIcharset-normalizer3.4.4indirekt
PyPIclick8.3.1indirekt
PyPIcolorama0.4.6indirekt
PyPIcomm0.2.3indirekt
PyPIcontourpy1.3.2indirekt
PyPIcontourpy1.3.3indirekt
PyPIcoverage7.13.3indirekt
PyPIcycler0.12.1indirekt
PyPIdebugpy1.8.20indirekt
PyPIdecorator5.2.1indirekt
PyPIdistlib0.4.0indirekt
PyPIdistro1.9.0indirekt
PyPIdocstring-parser0.18.0indirekt
PyPIexceptiongroup1.3.1indirekt
PyPIexecnet2.1.2indirekt
PyPIexecuting2.2.1indirekt
PyPIfilelock3.20.3indirekt
PyPIfonttools4.61.1indirekt
PyPIgoogleapis-common-protos1.72.0indirekt
PyPIgrpcio1.78.0indirekt
PyPIh110.16.0indirekt
PyPIhttpcore1.0.9indirekt
PyPIhttpx0.28.1indirekt
PyPIidentify2.6.16indirekt
PyPIidna3.11indirekt
PyPIimportlib-metadata8.7.1indirekt
PyPIiniconfig2.3.0indirekt
PyPIipykernel7.2.0indirekt
PyPIipython8.38.0indirekt
PyPIipython9.10.0indirekt
PyPIipython-pygments-lexers1.1.1indirekt
PyPIjedi0.19.2indirekt
PyPIjiter0.13.0indirekt
PyPIjupyter-client8.8.0indirekt
PyPIjupyter-core5.9.1indirekt
PyPIkiwisolver1.4.9indirekt
PyPIlexid2021.1006indirekt
PyPImarkdown-it-py4.0.0indirekt
PyPImatplotlib3.10.8indirekt
PyPImatplotlib-inline0.2.1indirekt
PyPImdurl0.1.2indirekt
PyPInest-asyncio1.6.0indirekt
PyPInodeenv1.10.0indirekt
PyPInumpy2.2.6indirekt
PyPInumpy2.4.2indirekt
PyPIopentelemetry-distro0.60b1indirekt
PyPIopentelemetry-exporter-otlp1.39.1indirekt
PyPIopentelemetry-exporter-otlp-proto-common1.39.1indirekt
PyPIopentelemetry-exporter-otlp-proto-grpc1.39.1indirekt
PyPIopentelemetry-exporter-otlp-proto-http1.39.1indirekt
PyPIopentelemetry-instrumentation0.60b1indirekt
PyPIopentelemetry-instrumentation-httpx0.60b1indirekt
PyPIopentelemetry-instrumentation-logging0.60b1indirekt
PyPIopentelemetry-instrumentation-openai-v22.3b0indirekt
PyPIopentelemetry-proto1.39.1indirekt
PyPIopentelemetry-sdk1.39.1indirekt
PyPIopentelemetry-semantic-conventions0.60b1indirekt
PyPIopentelemetry-util-http0.60b1indirekt
PyPIpackaging26.0indirekt
PyPIpandas2.3.3indirekt
PyPIpandas3.0.0indirekt
PyPIparso0.8.5indirekt
PyPIpexpect4.9.0indirekt
PyPIpillow12.1.0indirekt
PyPIplatformdirs4.5.1indirekt
PyPIpluggy1.6.0indirekt
PyPIpre-commit4.5.1indirekt
PyPIprompt-toolkit3.0.52indirekt
PyPIprotobuf6.33.5indirekt
PyPIpsutil7.2.2indirekt
PyPIptyprocess0.7.0indirekt
PyPIpure-eval0.2.3indirekt
PyPIpycparser3.0indirekt
PyPIpydantic2.12.5indirekt
PyPIpydantic-core2.41.5indirekt
PyPIpygments2.19.2indirekt
PyPIpyparsing3.3.2indirekt
PyPIpyright1.1.411indirekt
PyPIpytest9.0.2indirekt
PyPIpytest-asyncio1.3.0indirekt
PyPIpytest-cov7.0.0indirekt
PyPIpytest-rich0.2.0indirekt
PyPIpytest-xdist3.8.0indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpytz2025.2indirekt
PyPIpyyaml6.0.3indirekt
PyPIpyzmq27.1.0indirekt
PyPIrequests2.32.5indirekt
PyPIrespx0.22.0indirekt
PyPIrich14.3.2indirekt
PyPIruff0.15.0indirekt
PyPIseaborn0.13.2indirekt
PyPIsix1.17.0indirekt
PyPIsniffio1.3.1indirekt
PyPIstack-data0.6.3indirekt
PyPItoml0.10.2indirekt
PyPItomli2.4.0indirekt
PyPItornado6.5.4indirekt
PyPItqdm4.67.3indirekt
PyPItraitlets5.14.3indirekt
PyPItyping-extensions4.15.0indirekt
PyPItyping-inspection0.4.2indirekt
PyPItzdata2025.3indirekt
PyPIurllib32.6.3indirekt
PyPIvirtualenv20.36.1indirekt
PyPIwcwidth0.6.0indirekt
PyPIzipp3.23.0indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:azure-switchboard@2026.8.2 zieht 19 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 arini-ai/azure-switchboard teilen. Nebeneinander lesen →

96diegosouzapw/OmniRouteNever stop coding. Free MIT AI gateway: one endpoint, 352 providers (150+ free), 1200+ models Kimi, Claude, GPT, Gemini, GLM, DeepSeek, MiniMax. Works with Claude Code, Codex, Cursor, OpenCode, Cline & Copilot. Quota-aware auto-fallback, RTK+Caveman compression saves 15-95% tokens, MCP/A2A, Desktop/PWA. Built by 550+ contributorsAußergewöhnlich96vercel/aiThe AI Toolkit for TypeScript. From the creators of Next.js, the AI SDK is a free open-source library for building AI-powered applications and agents Außergewöhnlich96yamadashy/repomix📦 Repomix is a powerful tool that packs your entire repository into a single, AI-friendly file. Perfect for when you need to feed your codebase to Large Language Models (LLMs) or other AI tools like Claude, ChatGPT, DeepSeek, Perplexity, Gemini, Gemma, Llama, Grok, and more.Außergewöhnlich98strands-agents/toolsA set of tools that gives agents powerful capabilities.Außergewöhnlich98langchain-ai/langchainThe agent engineering platform.Außergewöhnlich97redis/redis-vl-pythonRedis Vector Library (RedisVL) -- the AI-native Python client for Redis.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.