Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-14 02:44 UTC

bespokelabsai / curator

Synthetic data curation for post-training and structured data extraction

PythonApache-2.0★ 1.729 Sterne⑂ 145 Forksseit Okt. 2024Auf GitHub ansehen ↗
ArtKommandozeilenwerkzeugBibliothekwie das ermittelt wird
#synthetic-data#agents#llm#prompt#python#synthetic-dataset-generation#deep-learning#fine-tuning#instruction-tuning#machine-learning#natural-language-processing

bespokelabsai/curator erreicht einen Gesundheitsindex von 81 von 100 und liegt damit im Bereich Exzellent. Am stärksten schneidet es bei Engineering Quality (95/100) ab, am schwächsten bei Security (27/100). Zuletzt vor 12 Tagen aktualisiert. 3 Mitwirkende tragen den Großteil der jüngsten Arbeit.

81
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.

81
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 69 wird auf der veröffentlichten Indexskala auf 81 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

Bespoke LabsOrganisation
131 Follower23 öffentliche Reposseit Apr. 2024

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIbespokelabs-curator0.1.2960.47957vor 62 Tagenaicuratorbespoke

Metriken nach Kategorie

Vitalität

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

62Mittel · 21 % des Gesamtindex

Entwicklungsaktivität

52Mittel
Wie die Bewertung erfolgt
28.8/36Push-Aktualität — letzter Push vor 12 Tagen
6.2/36Commit-Rhythmus — 9/52 Wochen mit Commits
12.2/18Commit-Volumen — 22 Commits im letzten Jahr
0/10OpenSSF Scorecard: Maintained — keine Daten
Verwendete Eingangsdaten
commits_last_year22
human_commit_share1
days_since_last_push12
active_weeks_last_year9

Release-Disziplin

78Gut
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 26 Releases veröffentlicht
16.2/36Release-Aktualität — letztes Release vor 182 Tagen
27/27Release-Rhythmus — ein Release etwa alle 42,4 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count26
latest_release_tagv0.1.27
releases_from_tagsnein
days_since_latest_release182
mean_days_between_releases42,4

Community & Verbreitung

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

75Gut · 17 % des Gesamtindex

Popularität & Verbreitung

76Gut
Wie die Bewertung erfolgt
52.5/60Stars — 1.729 Stars
18/25Forks — 145 Forks
5.6/15Watcher — 11 Watcher
Verwendete Eingangsdaten
forks145
stars1.729
watchers11
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

70Gut
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (Apache-2.0)
18/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges7
has_contributingja
has_issue_templatenein
has_code_of_conductnein
readme_badge_servicesshields.io
has_pull_request_templatenein

Ökosystem-Verbreitung (Downloads)

80Exzellent
Wie die Bewertung erfolgt
63.8/80Downloads pro Monat — 60.479 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesbespokelabs-curator
dependents—
ecosystemspypi
total_downloads—
monthly_downloads60.479
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?

78Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

74Gut
Wie die Bewertung erfolgt
36/54Bus-Faktor — 3 Beitragende decken die Hälfte aller Commits ab
17.2/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 24 % der Commits
13.5/13.5Breite der Beitragenden — 22 Beitragende
0/10OpenSSF Scorecard: Contributors — keine Daten
Verwendete Eingangsdaten
bus_factor3
contributors_sampled22
top_contributor_share0,235

Reaktionsfähigkeit bei Issues & PRs

82Exzellent
Wie die Bewertung erfolgt
33.1/42Issue-Lösungsquote — 79 % der Issues geschlossen
26.1/30PR-Annahme — 387/445 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
0/15OpenSSF Scorecard: Code-Review — keine Daten
Verwendete Eingangsdaten
merged_prs387
open_issues57
closed_issues213
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio0,789
closed_unmerged_prs58
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

60Mittel
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain
15.2/25Reichweite des Inhabers — 131 Follower von bespokelabsai
14.8/25Kontohistorie — 23 öffentliche Repos, Kontoalter ca. 2 Jahre
Verwendete Eingangsdaten
followers131
owner_typeOrganization
is_verifiednein
owner_loginbespokelabsai
public_repos23
account_age_days874

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 62 Tagen
20/20Versionshistorie — 57 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesbespokelabs-curator
ecosystemspypi
any_deprecatednein
min_days_since_publish62

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

95Außergewöhnlich · 19 % des Gesamtindex

Engineering-Praktiken

92Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 1 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff])
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — keine Daten
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://docs.bespokelabs.ai/bespoke-curator
10/10Repository-Beschreibung
10/10Topics — 11 Topics
10/10Wiki
Verwendete Eingangsdaten
topicssynthetic-data, agents, llm, prompt, python, synthetic-dataset-generation, deep-learning, fine-tuning, instruction-tuning, machine-learning, natural-language-processing
has_wikija
homepagehttps://docs.bespokelabs.ai/bespoke-curator
docs_sitehttps://docs.bespokelabs.ai/bespoke-curator
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

27Gefährdet · 16 % des Gesamtindex

Sicherheitslage

25Gefährdet
Wie die Bewertung erfolgt
0/30Sicherheitsrichtlinie (SECURITY.md)
0/25Dependabot-Konfiguration
25/25Lockfiles für Abhängigkeiten — poetry.lock
0/20CodeQL-Workflow
Verwendete Eingangsdaten
sourcefile_signals
lockfilespoetry.lock
manifestspyproject.toml
has_codeql_workflownein
has_security_policynein
has_dependabot_confignein

Abhängigkeits-Advisories

34Gefährdet
Wie die Bewertung erfolgt
7/35Direkte Abhängigkeiten ohne bekannte Advisories — 2 betroffen: litellm 1.83.7 (critical 9.8), datasets 3.6.0 (unknown)
6.6/25Indirekte Abhängigkeiten ohne bekannte Advisories — 4 betroffen: aiohttp 3.13.5 (high 7.5), click 8.1.8 (high 7.2), google-cloud-aiplatform 1.71.1 (high), +1 weitere
20.5/40Keine offenen Advisories — 5 Paket(e) mit Advisory seit über 90 Tagen unbehandelt; ältestes vor 205 Tagen veröffentlicht
Verwendete Eingangsdaten
sourceosv
advisories47
affected_packages6
assessed_packages114
unassessed_packages0
affected_by_severitycritical 1, high 3, moderate 1, unknown 1
direct_affected_packages2
Abgeglichen wurde die Laufzeit-Abhängigkeitshülle von pypi:bespokelabs-curator@0.1.29 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 114 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.

71Gut · 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://docs.bespokelabs.ai/llms.txt)
40/40Lesbare Commit-Historie — 99 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtja
llms_txt_urlhttps://docs.bespokelabs.ai/llms.txt
legible_history_share0,99
agent_instruction_files—
agent_instruction_max_bytes—

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

79Gut
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 — lockfile
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 — keine Daten
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilespoetry.lock
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

55Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
55/55Handhabbare Dateigrößen — 0/175 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes35.987
source_files_sampled175
oversized_source_files0

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

1.729GitHub-Sterne
22Mitwirkende
22Commits, letzte 12 Monate
12Tage seit letztem Push
26Releases
3Bus-Faktor
57offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit); skipping Scorecard checks

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 145 ⇿
0Sterne
145Forks
26Releases

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.

0255075100125150143132024-112025-092026-08
Major 0Minor 0Patch 20

Jeder Punkt umfasst 2 Tage.

Direkte Abhängigkeiten 19
RegistryPaketVersionsvorgabeManifest
PyPIpydantic>=2.9.2pyproject.toml
PyPIdatasets^3.0.2pyproject.toml
PyPIinstructor^1.6.3pyproject.toml
PyPIpandas2.2.2pyproject.toml
PyPIxxhash^3.5.0pyproject.toml
PyPItqdm^4.67.0pyproject.toml
PyPImatplotlib^3.9.2pyproject.toml
PyPInest-asyncio^1.6.0pyproject.toml
PyPIrich^13.7.0pyproject.toml
PyPIlitellm1.83.7pyproject.toml
PyPItiktoken>=0.7.0pyproject.toml
PyPIaiofiles>=22.0,<26.0pyproject.toml
PyPIanthropic^0.84.0pyproject.toml
PyPIvertexai1.71.1pyproject.toml
PyPIvllm^0.6.3pyproject.toml
PyPIbespokelabs-sandbox0.1.1pyproject.toml
PyPItinker^0.8.0pyproject.toml
PyPIposthog^3.11.0pyproject.toml
PyPImistralai^1.5.1pyproject.toml
Alle Abhängigkeiten 248

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 22 direkte und 226 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIaiofiles25.1.0direkt
PyPIanthropic0.84.0direkt
PyPIbespokelabs-sandbox0.1.1direkt
PyPIdatasets—direkt
PyPIdatasets3.2.0direkt
PyPIdatasets3.6.0direkt
PyPIinstructor1.14.5direkt
PyPIlitellm1.83.7direkt
PyPImatplotlib3.10.8direkt
PyPImistralai1.12.4direkt
PyPInest-asyncio1.6.0direkt
PyPIpandas2.2.2direkt
PyPIposthog3.25.0direkt
PyPIpydantic2.12.5direkt
PyPIrich13.9.4direkt
PyPItiktoken0.12.0direkt
PyPItinker0.8.1direkt
PyPItqdm4.67.3direkt
PyPIvertexai1.71.1direkt
PyPIvllm—direkt
PyPIvllm0.6.6.post1direkt
PyPIxxhash3.6.0direkt
PyPIaccelerate—indirekt
PyPIaiohappyeyeballs2.6.1indirekt
PyPIaiohttp3.13.5indirekt
PyPIaiohttp-cors0.8.1indirekt
PyPIaiosignal1.4.0indirekt
PyPIairportsdata20260304indirekt
PyPIannotated-doc0.0.4indirekt
PyPIannotated-types0.7.0indirekt
PyPIanyio4.12.1indirekt
PyPIaryn-sdk—indirekt
PyPIastor0.8.1indirekt
PyPIasync-timeout5.0.1indirekt
PyPIattrs25.4.0indirekt
PyPIbackoff2.2.1indirekt
PyPIbackports-tarfile1.2.0indirekt
PyPIbespokelabs-curator—indirekt
PyPIbespokelabs-curator0.1.16indirekt
PyPIblake31.0.8indirekt
PyPIcertifi2026.2.25indirekt
PyPIcffi2.0.0indirekt
PyPIcfgv3.5.0indirekt
PyPIcharset-normalizer3.4.5indirekt
PyPIclick8.1.8indirekt
PyPIcloudpickle3.1.2indirekt
PyPIcolorama0.4.6indirekt
PyPIcolorful0.5.8indirekt
PyPIcompressed-tensors0.8.1indirekt
PyPIcontourpy1.3.2indirekt
PyPIcoverage7.13.4indirekt
PyPIcryptography46.0.5indirekt
PyPIcycler0.12.1indirekt
PyPIdeepspeed—indirekt
PyPIdepyf0.18.0indirekt
PyPIdill0.3.8indirekt
PyPIdiskcache5.6.3indirekt
PyPIdistlib0.4.0indirekt
PyPIdistro1.9.0indirekt
PyPIdocstring-parser0.17.0indirekt
PyPIdocutils0.22.4indirekt
PyPIeinops0.8.2indirekt
PyPIeval-type-backport0.3.1indirekt
PyPIexceptiongroup1.3.1indirekt
PyPIfaiss-cpu—indirekt
PyPIfastapi0.135.1indirekt
PyPIfastuuid0.14.0indirekt
PyPIfilelock3.25.2indirekt
PyPIfonttools4.62.1indirekt
PyPIfrozenlist1.8.0indirekt
PyPIfsspec2025.3.0indirekt
PyPIgguf0.10.0indirekt
PyPIgoogle-api-core2.25.2indirekt
PyPIgoogle-auth2.49.1indirekt
PyPIgoogle-cloud-aiplatform1.71.1indirekt
PyPIgoogle-cloud-bigquery3.40.1indirekt
PyPIgoogle-cloud-core2.5.0indirekt
PyPIgoogle-cloud-resource-manager1.16.0indirekt
PyPIgoogle-cloud-storage2.19.0indirekt
PyPIgoogle-crc32c1.8.0indirekt
PyPIgoogle-resumable-media2.8.0indirekt
PyPIgoogleapis-common-protos1.73.0indirekt
PyPIgrpc-google-iam-v10.14.3indirekt
PyPIgrpcio1.78.0indirekt
PyPIgrpcio-status1.71.2indirekt
PyPIh110.16.0indirekt
PyPIh24.3.0indirekt
PyPIhf-xet1.4.2indirekt
PyPIhpack4.1.0indirekt
PyPIhttpcore1.0.9indirekt
PyPIhttptools0.7.1indirekt
PyPIhttpx0.28.1indirekt
PyPIhuggingface-hub1.7.1indirekt
PyPIhyperframe6.1.0indirekt
PyPIidentify2.6.17indirekt
PyPIidna3.11indirekt
PyPIimportlib-metadata8.5.0indirekt
PyPIiniconfig2.3.0indirekt
PyPIinteregular0.3.3indirekt
PyPIinvoke2.2.1indirekt
PyPIisort5.13.2indirekt
PyPIjaraco-classes3.4.0indirekt
PyPIjaraco-context6.1.1indirekt
PyPIjaraco-functools4.4.0indirekt
PyPIjeepney0.9.0indirekt
PyPIjinja23.1.6indirekt
PyPIjiter0.11.1indirekt
PyPIjsonschema4.23.0indirekt
PyPIjsonschema-specifications2025.9.1indirekt
PyPIkeyring25.7.0indirekt
PyPIkiwisolver1.5.0indirekt
PyPIlangchain—indirekt
PyPIlangchain-experimental—indirekt
PyPIlangchain-openai—indirekt
PyPIlark1.2.2indirekt
PyPIlatex2sympy21.9.1indirekt
PyPIlm-format-enforcer0.10.12indirekt
PyPImarkdown-it-py4.0.0indirekt
PyPImarkupsafe3.0.3indirekt
PyPImdurl0.1.2indirekt
PyPImistral-common1.5.6indirekt
PyPImonotonic1.6indirekt
PyPImore-itertools10.8.0indirekt
PyPImpmath1.3.0indirekt
PyPImsgpack1.1.2indirekt
PyPImsgspec0.20.0indirekt
PyPImultidict6.7.1indirekt
PyPImultiprocess0.70.16indirekt
PyPInetworkx3.4.2indirekt
PyPInh30.3.3indirekt
PyPInodeenv1.10.0indirekt
PyPInumpy—indirekt
PyPInumpy1.26.4indirekt
PyPInvidia-cublas-cu1212.4.5.8indirekt
PyPInvidia-cuda-cupti-cu1212.4.127indirekt
PyPInvidia-cuda-nvrtc-cu1212.4.127indirekt
PyPInvidia-cuda-runtime-cu1212.4.127indirekt
PyPInvidia-cudnn-cu129.1.0.70indirekt
PyPInvidia-cufft-cu1211.2.1.3indirekt
PyPInvidia-curand-cu1210.3.5.147indirekt
PyPInvidia-cusolver-cu1211.6.1.9indirekt
PyPInvidia-cusparse-cu1212.3.1.170indirekt
PyPInvidia-ml-py13.590.48indirekt
PyPInvidia-nccl-cu122.21.5indirekt
PyPInvidia-nvjitlink-cu1212.4.127indirekt
PyPInvidia-nvtx-cu1212.4.127indirekt
PyPIopenai2.30.0indirekt
PyPIopencensus0.11.4indirekt
PyPIopencensus-context0.1.3indirekt
PyPIopencv-python-headless4.11.0.86indirekt
PyPIopentelemetry-api1.40.0indirekt
PyPIopentelemetry-exporter-otlp-proto-common1.40.0indirekt
PyPIopentelemetry-exporter-otlp-proto-http1.40.0indirekt
PyPIopentelemetry-exporter-prometheus0.61b0indirekt
PyPIopentelemetry-proto1.40.0indirekt
PyPIopentelemetry-sdk1.40.0indirekt
PyPIopentelemetry-semantic-conventions0.61b0indirekt
PyPIoutlines0.1.11indirekt
PyPIoutlines-core0.1.26indirekt
PyPIpackaging26.0indirekt
PyPIpartial-json-parser0.2.1.1.post7indirekt
PyPIpdfplumber—indirekt
PyPIpillow12.1.1indirekt
PyPIpkginfo1.10.0indirekt
PyPIplatformdirs4.9.4indirekt
PyPIpluggy1.6.0indirekt
PyPIpre-commit4.5.1indirekt
PyPIprometheus-client0.24.1indirekt
PyPIprometheus-fastapi-instrumentator7.1.0indirekt
PyPIpropcache0.4.1indirekt
PyPIproto-plus1.27.1indirekt
PyPIprotobuf5.29.6indirekt
PyPIpsutil6.1.1indirekt
PyPIpy-cpuinfo9.0.0indirekt
PyPIpy-spy0.4.1indirekt
PyPIpyarrow23.0.1indirekt
PyPIpyasn10.6.2indirekt
PyPIpyasn1-modules0.4.2indirekt
PyPIpycountry26.2.16indirekt
PyPIpycparser3.0indirekt
PyPIpydantic-core2.41.5indirekt
PyPIpygments2.19.2indirekt
PyPIpyparsing3.3.2indirekt
PyPIpytest8.4.2indirekt
PyPIpytest-asyncio0.24.0indirekt
PyPIpytest-cov6.3.0indirekt
PyPIpytest-dependency0.6.1indirekt
PyPIpytest-timeout2.4.0indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-discovery1.1.3indirekt
PyPIpython-dotenv1.0.1indirekt
PyPIpytz2026.1.post1indirekt
PyPIpywin32-ctypes0.2.3indirekt
PyPIpyyaml6.0.3indirekt
PyPIpyzmq27.1.0indirekt
PyPIray—indirekt
PyPIray2.54.0indirekt
PyPIreadme-renderer44.0indirekt
PyPIreferencing0.37.0indirekt
PyPIregex2026.2.28indirekt
PyPIrequests—indirekt
PyPIrequests2.32.5indirekt
PyPIrequests-toolbelt1.0.0indirekt
PyPIrfc39862.0.0indirekt
PyPIrpds-py0.30.0indirekt
PyPIruff0.8.6indirekt
PyPIsafetensors0.7.0indirekt
PyPIscikit-learn—indirekt
PyPIscipy1.15.1indirekt
PyPIsecretstorage3.5.0indirekt
PyPIsentence-transformers—indirekt
PyPIsentencepiece0.2.1indirekt
PyPIsetuptools82.0.1indirekt
PyPIshapely2.1.2indirekt
PyPIshellingham1.5.4indirekt
PyPIsix1.17.0indirekt
PyPIsmart-open7.5.1indirekt
PyPIsniffio1.3.1indirekt
PyPIstarlette0.52.1indirekt
PyPIsympy1.13.1indirekt
PyPItenacity9.1.4indirekt
PyPItimeout-decorator0.5.0indirekt
PyPItokenizers0.22.2indirekt
PyPItomli2.4.0indirekt
PyPItorch—indirekt
PyPItorch2.5.1indirekt
PyPItorchvision0.20.1indirekt
PyPItransformers—indirekt
PyPItransformers5.3.0indirekt
PyPItriton3.1.0indirekt
PyPItwine5.1.1indirekt
PyPItyper0.26.7indirekt
PyPItyping-extensions4.15.0indirekt
PyPItyping-inspection0.4.2indirekt
PyPItzdata2025.3indirekt
PyPIurllib31.26.20indirekt
PyPIuvicorn0.41.0indirekt
PyPIuvloop0.22.1indirekt
PyPIvcrpy7.0.0indirekt
PyPIvirtualenv21.2.0indirekt
PyPIwatchfiles1.1.1indirekt
PyPIwebsockets16.0indirekt
PyPIword2number1.1indirekt
PyPIwrapt2.1.2indirekt
PyPIxformers0.0.28.post3indirekt
PyPIxgrammar0.1.32indirekt
PyPIyarl1.23.0indirekt
PyPIzipp3.23.0indirekt
Abhängigkeits-Advisories 6

Die Installation von pypi:bespokelabs-curator@0.1.29 zieht 114 Pakete nach sich, direkt und transitiv: 6 tragen bekannte Advisories, davon 2 direkte Abhängigkeiten.

PaketVersionBeziehungSchweregradAdvisoriesBehoben in
litellm1.83.7direktkritisch131.84.0
aiohttp3.13.5indirekthoch283.14.3
click8.1.8indirekthoch18.3.3
google-cloud-aiplatform1.71.1indirekthoch21.133.0
python-dotenv1.0.1indirektmittel21.2.2
datasets3.6.0direktunbekannt15.0.1

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 bespokelabsai/curator teilen. Nebeneinander lesen →

100huggingface/transformers🤗 Transformers: the model-definition framework for state-of-the-art machine learning models in text, vision, audio, and multimodal models, for both inference and training. Außergewöhnlich98zenml-io/zenmlZenML 🙏: One AI Platform from Pipelines to Agents. https://zenml.io.Außergewöhnlich98huggingface/datasets🤗 The largest hub of ready-to-use datasets for AI models with fast, easy-to-use and efficient data manipulation toolsAußergewöhnlich98strands-agents/toolsA set of tools that gives agents powerful capabilities.Außergewöhnlich98Netflix/metaflowBuild, Manage and Deploy AI/ML SystemsAußergewöhnlich100deepset-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.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.