Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-10-18 18:01 UTC

greenbone / python-gvm

Greenbone Vulnerability Management Python Library

PythonGPL-3.0★ 126 Sterne⑂ 66 Forksseit Nov. 2018Auf GitHub ansehen ↗
ArtBibliothekKommandozeilenwerkzeugwie das ermittelt wird
#gvm#greenbone#greenbone-vulnerability-manager#vulnerability-management#vulnerability-scanners#vulnerability-detection#python#python-library#osp#gmp#extended#gea#tooling

greenbone/python-gvm erreicht einen Gesundheitsindex von 95 von 100 und liegt damit im Bereich Außergewöhnlich. Am stärksten schneidet es bei Vitality (99/100) ab, am schwächsten bei AI Readiness (64/100). Zuletzt vor 2 Tagen aktualisiert. 2 Mitwirkende tragen den Großteil der jüngsten Arbeit.

95
gesamt / 100
Außergewöhnlich

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.

95
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 82 wird auf der veröffentlichten Indexskala auf 95 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

GreenboneOrganisation · verifizierte Domain
1.374 Follower71 öffentliche Reposseit Sept. 2017

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlicht
PyPIpython-gvm27.10.137.04088vor 4 Tagen

Metriken nach Kategorie

Vitalität

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

99Außergewöhnlich · 21 % des Gesamtindex

Entwicklungsaktivität

99Außergewöhnlich
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 2 Tagen
34.6/36Commit-Rhythmus — 50/52 Wochen mit Commits
18/18Commit-Volumen — 191 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_year191
human_commit_share0,8
days_since_last_push2
active_weeks_last_year50

Release-Disziplin

98Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 89 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 4 Tagen
27/27Release-Rhythmus — ein Release etwa alle 13,2 Tage
8/10OpenSSF Scorecard: Signed-Releases — 5 out of the last 5 releases have a total of 5 signed artifacts.
Verwendete Eingangsdaten
releases_count89
latest_release_tagv27.10.1
releases_from_tagsnein
days_since_latest_release4
mean_days_between_releases13,2

Community & Verbreitung

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

64Mittel · 17 % des Gesamtindex

Popularität & Verbreitung

56Mittel
Wie die Bewertung erfolgt
34/60Stars — 126 Stars
15.1/25Forks — 66 Forks
7.2/15Watcher — 21 Watcher
Verwendete Eingangsdaten
forks66
stars126
watchers21
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

65Gut
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (GPL-3.0)
0/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
7.2/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges4
has_contributingnein
has_issue_templateja
has_code_of_conductnein
readme_badge_servicescodecov.io, github.com, shields.io
has_pull_request_templateja

Ökosystem-Verbreitung (Downloads)

76Gut
Wie die Bewertung erfolgt
60.9/80Downloads pro Monat — 37.040 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagespython-gvm
dependents—
ecosystemspypi
total_downloads—
monthly_downloads37.040
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?

84Exzellent · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

61Mittel
Wie die Bewertung erfolgt
25.2/54Bus-Faktor — 2 Beitragende decken die Hälfte aller Commits ab
12.2/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 46 % der Commits
13.5/13.5Breite der Beitragenden — 31 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 8 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor2
contributors_sampled31
top_contributor_share0,46

Reaktionsfähigkeit bei Issues & PRs

84Exzellent
Wie die Bewertung erfolgt
37.2/42Issue-Lösungsquote — 88 % der Issues geschlossen
28.1/30PR-Annahme — 1.257/1.340 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
7.5/15OpenSSF Scorecard: Code-Review — Found 11/19 approved changesets -- score normalized to 5
Verwendete Eingangsdaten
merged_prs1.257
open_issues6
closed_issues46
prs_merged_7d2
prs_decided_7d2
prs_merged_30d5
prs_decided_30d5
issue_closed_ratio0,885
closed_unmerged_prs83
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

98Außergewöhnlich
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
20/20Verifizierte Domain
22.6/25Reichweite des Inhabers — 1.374 Follower von greenbone
25/25Kontohistorie — 71 öffentliche Repos, Kontoalter ca. 9 Jahre
Verwendete Eingangsdaten
followers1.374
owner_typeOrganization
is_verifiedja
owner_logingreenbone
public_repos71
account_age_days3.320

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 4 Tagen
20/20Versionshistorie — 88 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagespython-gvm
ecosystemspypi
any_deprecatednein
min_days_since_publish4

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

84Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

80Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 12 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff])
0/9.6Pre-Commit-Hooks
0/6.4.editorconfig
16/20OpenSSF Scorecard: CI-Tests — 17 out of 19 merged PRs checked by a CI test -- score normalized to 8
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_confignein

Dokumentation

90Exzellent
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://greenbone.github.io/python-gvm/
10/10Repository-Beschreibung
10/10Topics — 13 Topics
0/10Wiki
Verwendete Eingangsdaten
topicsgvm, greenbone, greenbone-vulnerability-manager, vulnerability-management, vulnerability-scanners, vulnerability-detection, python, python-library, osp, gmp, extended, gea, tooling
has_wikinein
homepagehttps://greenbone.github.io/python-gvm/
docs_sitehttps://greenbone.github.io/python-gvm/
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

77Gut · 16 % des Gesamtindex

Sicherheitslage

71Gut
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
2/2.5CI-Tests — 17 out of 19 merged PRs checked by a CI test -- score normalized to 8
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
3.8/7.5Code-Review — Found 11/19 approved changesets -- score normalized to 5
2.5/2.5Contributors — project has 8 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
0.5/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 1
4.5/5SAST — SAST tool detected but not run on all commits
5/5Security-Policy — security policy file detected
6/7.5Signed-Releases — 5 out of the last 5 releases have a total of 5 signed artifacts.
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate7
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_packages18
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:python-gvm@27.10.1 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 18 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.

64Mittel · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

31Gefährdet
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
30.7/40Lesbare Commit-Historie — 46 von 80 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,575
agent_instruction_files—
agent_instruction_max_bytes—

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

83Exzellent
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — docs/Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff])
11/11Statische Typprüfung — gvm/py.typed
10/10Reproduzierbare Umgebung — lockfile
2/10Belegte Agentenpraxis — 1 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
8/8Automatisierte Wartung — 20 der letzten 100 Commits sind automatisierte Abhängigkeits-Updates
1/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 1
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilesuv.lock
has_dockerfilenein
typed_languagenein
bootstrap_filesdocs/Makefile
has_devcontainernein
has_linter_configja
typecheck_configsgvm/py.typed
agent_commit_share0,01
toolchain_manifests—
dependency_bot_commit_share0,2

AI-Code-Lesbarkeit für Modelle

82Exzellent
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Python mit Typprüfungs-Konfiguration (gvm/py.typed)
54.9/55Handhabbare Dateigrößen — 2/911 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes146.618
source_files_sampled911
oversized_source_files2

Eckdaten

126GitHub-Sterne
31Mitwirkende
191Commits, letzte 12 Monate
2Tage seit letztem Push
89Releases
2Bus-Faktor
6offene 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 ★ / 66 ⇿
0Sterne
66Forks
83Releases

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.

01325385063756632018-112022-092026-07
Major 3Minor 50Patch 27

Jeder Punkt umfasst 8 Tage.

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 · 2026-10-18 18:00 UTC

10Binary-Artifactsno binaries found in the repo
5Branch-Protectionbranch protection is not maximal on development and all release branches
8CI-Tests17 out of 19 merged PRs checked by a CI test -- score normalized to 8
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
5Code-ReviewFound 11/19 approved changesets -- score normalized to 5
10Contributorsproject has 8 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
1Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 1
9SASTSAST tool detected but not run on all commits
10Security-Policysecurity policy file detected
8Signed-Releases5 out of the last 5 releases have a total of 5 signed artifacts.
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
10Vulnerabilities0 existing vulnerabilities detected
Direkte Abhängigkeiten 3
RegistryPaketVersionsvorgabeManifest
PyPIparamiko>=5.0.0,<6pyproject.toml
PyPIlxml>=4.5.0pyproject.toml
PyPIhttpx>=0.28.1,<0.29pyproject.toml
Alle Abhängigkeiten 83

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 6 direkte und 77 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIhttpx0.28.1direkt
PyPIlxml—direkt
PyPIlxml6.1.0direkt
PyPIlxml6.1.3direkt
PyPIparamiko—direkt
PyPIparamiko5.0.0direkt
PyPIaccessible-pygments0.0.5indirekt
PyPIalabaster1.0.0indirekt
PyPIanyio4.14.2indirekt
PyPIautohooks26.2.0indirekt
PyPIautohooks-plugin-mypy23.10.0indirekt
PyPIautohooks-plugin-ruff25.3.1indirekt
PyPIbabel2.18.0indirekt
PyPIbcrypt5.0.0indirekt
PyPIbeautifulsoup44.14.3indirekt
PyPIbeautifulsoup44.15.0indirekt
PyPIcertifi2026.2.25indirekt
PyPIcffi2.0.0indirekt
PyPIcharset-normalizer3.4.7indirekt
PyPIcolorama0.4.6indirekt
PyPIcolorful0.5.8indirekt
PyPIcoverage7.13.5indirekt
PyPIcryptography50.0.0indirekt
PyPIdefusedxml—indirekt
PyPIdefusedxml0.7.1indirekt
PyPIdocutils0.21.2indirekt
PyPIexceptiongroup1.3.1indirekt
PyPIfuro—indirekt
PyPIfuro2025.12.19indirekt
PyPIgit-cliff2.12.0indirekt
PyPIh110.16.0indirekt
PyPIh24.4.1indirekt
PyPIhpack4.2.0indirekt
PyPIhttpcore1.0.9indirekt
PyPIhyperframe6.1.0indirekt
PyPIidna3.15indirekt
PyPIimagesize2.0.0indirekt
PyPIinvoke3.0.3indirekt
PyPIjinja23.1.6indirekt
PyPIlibrt0.9.0indirekt
PyPIlxml-stubs0.5.1indirekt
PyPImarkdown-it-py3.0.0indirekt
PyPImarkupsafe3.0.3indirekt
PyPImdit-py-plugins0.5.0indirekt
PyPImdurl0.1.2indirekt
PyPImypy1.20.2indirekt
PyPImypy-extensions1.1.0indirekt
PyPImyst-parser4.0.1indirekt
PyPIpackaging26.1indirekt
PyPIpathspec1.0.4indirekt
PyPIpontos26.4.1indirekt
PyPIpycparser3.0indirekt
PyPIpygments2.20.0indirekt
PyPIpynacl1.6.2indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-gvm27.10.2.dev1indirekt
PyPIpyyaml6.0.3indirekt
PyPIrequests2.33.1indirekt
PyPIrich15.0.0indirekt
PyPIroman-numerals4.1.0indirekt
PyPIroman-numerals-py4.1.0indirekt
PyPIruff0.15.11indirekt
PyPIsemver3.0.4indirekt
PyPIshtab1.8.0indirekt
PyPIsix1.17.0indirekt
PyPIsnowballstemmer3.0.1indirekt
PyPIsoupsieve2.9indirekt
PyPIsphinx—indirekt
PyPIsphinx8.1.3indirekt
PyPIsphinx8.2.3indirekt
PyPIsphinx9.1.0indirekt
PyPIsphinx-basic-ng1.0.0b2indirekt
PyPIsphinxcontrib-applehelp2.0.0indirekt
PyPIsphinxcontrib-devhelp2.0.0indirekt
PyPIsphinxcontrib-htmlhelp2.1.0indirekt
PyPIsphinxcontrib-jsmath1.0.1indirekt
PyPIsphinxcontrib-qthelp2.0.0indirekt
PyPIsphinxcontrib-serializinghtml2.0.0indirekt
PyPItomli2.4.1indirekt
PyPItomlkit0.14.0indirekt
PyPItypes-paramiko5.0.0.20260724indirekt
PyPItyping-extensions4.15.0indirekt
PyPIurllib32.8.0indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:python-gvm@27.10.1 zieht 18 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 greenbone/python-gvm teilen. Nebeneinander lesen →

98mongodb/mongo-python-driverPyMongo - the Official MongoDB Python driverAußergewöhnlich99aquasecurity/trivyFind vulnerabilities, misconfigurations, secrets, SBOM in containers, Kubernetes, code repositories, clouds and moreAußergewöhnlich98Checkmarx/kicsFind security vulnerabilities, compliance issues, and infrastructure misconfigurations early in the development cycle of your infrastructure-as-code with KICS by Checkmarx.Außergewöhnlich100streamlit/streamlitStreamlit — A faster way to build and share data apps.Außergewöhnlich100psf/blackThe uncompromising Python code formatterAußergewöhnlich100aws/aws-sam-cliCLI tool to build, test, debug, and deploy Serverless applications using AWS SAMAußergewöhnlich

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.