Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-11 13:25 UTC

lfnovo / esperanto

A unified interface for various AI model providers

PythonMIT★ 212 Sterne⑂ 50 Forksseit Nov. 2024Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird
#anthropic#embeddings#gemini#langchain#language-model#openai

lfnovo/esperanto erreicht einen Gesundheitsindex von 89 von 100 und liegt damit im Bereich Exzellent. Am stärksten schneidet es bei Engineering Quality (96/100) ab, am schwächsten bei Security (52/100). Zuletzt vor 5 Tagen aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

89
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.

89
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 75 wird auf der veröffentlichten Indexskala auf 89 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

Luis NovoPersönliches Konto
1.555 Follower39 öffentliche Reposseit Jan. 2011Supernova Labs

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIesperanto2.27.047.409102vor 5 Tagenaianthropicdeepseekelevenlabsgeminigooglegroqllmmistralopenaiopenrouterspeech-to-texttext-to-speechtransformersx.ai

Metriken nach Kategorie

Vitalität

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

90Exzellent · 21 % des Gesamtindex

Entwicklungsaktivität

84Exzellent
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 5 Tagen
20.1/36Commit-Rhythmus — 29/52 Wochen mit Commits
18/18Commit-Volumen — 196 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 26 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year196
human_commit_share1
days_since_last_push5
active_weeks_last_year29

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 68 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 5 Tagen
27/27Release-Rhythmus — ein Release etwa alle 19,8 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count68
latest_release_tagv2.27.0
releases_from_tagsnein
days_since_latest_release5
mean_days_between_releases19,8
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): OpenSSF Scorecard: Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Community & Verbreitung

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

68Gut · 17 % des Gesamtindex

Popularität & Verbreitung

54Mittel
Wie die Bewertung erfolgt
37.7/60Stars — 212 Stars
14.1/25Forks — 50 Forks
2.7/15Watcher — 4 Watcher
Verwendete Eingangsdaten
forks50
stars212
watchers4
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

77Gut
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (MIT)
18/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges5
has_contributingja
has_issue_templatenein
has_code_of_conductnein
readme_badge_servicesbadge.fury.io, shields.io
has_pull_request_templateja

Ökosystem-Verbreitung (Downloads)

78Gut
Wie die Bewertung erfolgt
62.3/80Downloads pro Monat — 47.409 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesesperanto
dependents—
ecosystemspypi
total_downloads—
monthly_downloads47.409
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?

63Mittel · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

30Gefährdet
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
2/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 91 % der Commits
13.5/13.5Breite der Beitragenden — 11 Beitragende
6/10OpenSSF Scorecard: Contributors — project has 2 contributing companies or organizations -- score normalized to 6
Verwendete Eingangsdaten
bus_factor1
contributors_sampled11
top_contributor_share0,913

Reaktionsfähigkeit bei Issues & PRs

64Mittel
Wie die Bewertung erfolgt
32.4/42Issue-Lösungsquote — 77 % der Issues geschlossen
26.8/30PR-Annahme — 152/170 entschiedene PRs gemergt
5.2/13Newcomer PR acceptance — 2/5 PRs von Erstbeitragenden in 30 Tagen gemergt
0/15OpenSSF Scorecard: Code-Review — Found 2/30 approved changesets -- score normalized to 0
Verwendete Eingangsdaten
merged_prs152
open_issues26
closed_issues88
prs_merged_7d9
prs_decided_7d13
prs_merged_30d9
prs_decided_30d13
issue_closed_ratio0,772
closed_unmerged_prs18
first_time_authors_30d5
first_time_prs_merged_30d2
first_time_prs_decided_30d5

Eigentümerschaft & Trägerschaft

71Gut
Wie die Bewertung erfolgt
10/30Organisatorische Trägerschaft — persönliches (Nutzer-)Konto
0/20Verifizierte Domain — für Nutzerkonten nicht anwendbar
22.9/25Reichweite des Inhabers — 1.555 Follower von lfnovo
23.7/25Kontohistorie — 39 öffentliche Repos, Kontoalter ca. 15 Jahre
Verwendete Eingangsdaten
followers1.555
owner_typeUser
is_verified—
owner_loginlfnovo
public_repos39
account_age_days5.710
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 5 Tagen
20/20Versionshistorie — 102 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesesperanto
ecosystemspypi
any_deprecatednein
min_days_since_publish5

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

96Außergewöhnlich · 19 % des Gesamtindex

Engineering-Praktiken

94Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows — 5 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff], [tool.isort])
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 29 out of 29 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/lfnovo/esperanto#readme
10/10Repository-Beschreibung
10/10Topics — 6 Topics
10/10Wiki
Verwendete Eingangsdaten
topicsanthropic, embeddings, gemini, langchain, language-model, openai
has_wikija
homepage—
docs_sitehttps://github.com/lfnovo/esperanto#readme
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

52Mittel · 16 % des Gesamtindex

Sicherheitslage

40Schwach
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
0.8/7.5Branch-Protection — branch protection is not maximal on development and all release branches
2.5/2.5CI-Tests — 29 out of 29 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 2/30 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
0/7.5Dependency-Update-Tool — no update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Lizenz — license file detected
7.5/7.5Maintained — 30 commit(s) and 26 issue activity found in the last 90 days -- score normalized to 10
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
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — keine Daten
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 44 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate4
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Packaging, Signed-Releases. 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_packages11
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:esperanto@2.27.0 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 11 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.

86Exzellent · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

85Exzellent
Wie die Bewertung erfolgt
45/45Agentenanweisungen — AGENTS.md, CLAUDE.md, src/esperanto/common_types/AGENTS.md, src/esperanto/common_types/CLAUDE.md, src/esperanto/providers/AGENTS.md, src/esperanto/providers/CLAUDE.md, src/esperanto/providers/embedding/AGENTS.md, src/esperanto/providers/embedding/CLAUDE.md, src/esperanto/providers/llm/AGENTS.md, src/esperanto/providers/llm/CLAUDE.md, src/esperanto/providers/reranker/AGENTS.md, src/esperanto/providers/reranker/CLAUDE.md, src/esperanto/providers/stt/AGENTS.md, src/esperanto/providers/stt/CLAUDE.md, src/esperanto/providers/tts/AGENTS.md, src/esperanto/providers/tts/CLAUDE.md, src/esperanto/utils/AGENTS.md, src/esperanto/utils/CLAUDE.md
0/15Maschinenlesbare Doku (llms.txt)
40/40Lesbare Commit-Historie — 99 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,99
agent_instruction_filesAGENTS.md, CLAUDE.md, src/esperanto/common_types/AGENTS.md, src/esperanto/common_types/CLAUDE.md, src/esperanto/providers/AGENTS.md, src/esperanto/providers/CLAUDE.md, src/esperanto/providers/embedding/AGENTS.md, src/esperanto/providers/embedding/CLAUDE.md, src/esperanto/providers/llm/AGENTS.md, src/esperanto/providers/llm/CLAUDE.md, src/esperanto/providers/reranker/AGENTS.md, src/esperanto/providers/reranker/CLAUDE.md, src/esperanto/providers/stt/AGENTS.md, src/esperanto/providers/stt/CLAUDE.md, src/esperanto/providers/tts/AGENTS.md, src/esperanto/providers/tts/CLAUDE.md, src/esperanto/utils/AGENTS.md, src/esperanto/utils/CLAUDE.md
agent_instruction_max_bytes13.098

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

82Exzellent
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff], [tool.isort])
11/11Statische Typprüfung — src/esperanto/py.typed
10/10Reproduzierbare Umgebung — lockfile
10/10Belegte Agentenpraxis — 7 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_filesMakefile
has_devcontainernein
has_linter_configja
typecheck_configssrc/esperanto/py.typed
agent_commit_share0,07
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

82Exzellent
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Python mit Typprüfungs-Konfiguration (src/esperanto/py.typed)
55/55Handhabbare Dateigrößen — 0/193 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes51.195
source_files_sampled193
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

212GitHub-Sterne
11Mitwirkende
196Commits, letzte 12 Monate
5Tage seit letztem Push
68Releases
1Bus-Faktor
26offene 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 ★ / 50 ⇿
0Sterne
50Forks
24Releases

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.

010203040505022025-072026-022026-09
Major 0Minor 17Patch 7

Jeder Punkt umfasst 2 Tage.

OpenSSF Scorecard 4.0 / 10
4.0Gesamtwert

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 · 2026-09-11 13:25 UTC

10Binary-Artifactsno binaries found in the repo
1Branch-Protectionbranch protection is not maximal on development and all release branches
10CI-Tests29 out of 29 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 2/30 approved changesets -- score normalized to 0
6Contributorsproject has 2 contributing companies or organizations -- score normalized to 6
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 26 issue activity found in the last 90 days -- score normalized to 10
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
10Security-Policysecurity policy file detected
k. A.Signed-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities44 existing vulnerabilities detected
Direkte Abhängigkeiten 2
RegistryPaketVersionsvorgabeManifest
PyPIpydantic>=2.0.0pyproject.toml
PyPIhttpx>=0.28.0pyproject.toml
Alle Abhängigkeiten 198

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 2 direkte und 196 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIhttpx0.28.1direkt
PyPIpydantic2.12.5direkt
PyPIaccelerate1.12.0indirekt
PyPIannotated-types0.7.0indirekt
PyPIanthropic0.76.0indirekt
PyPIanyio4.12.1indirekt
PyPIappnope0.1.4indirekt
PyPIasttokens3.0.1indirekt
PyPIattrs25.4.0indirekt
PyPIbackports-asyncio-runner1.2.0indirekt
PyPIbackports-tarfile1.2.0indirekt
PyPIbuild1.4.0indirekt
PyPIcertifi2026.1.4indirekt
PyPIcffi2.0.0indirekt
PyPIcfgv3.5.0indirekt
PyPIcharset-normalizer3.4.4indirekt
PyPIcohere5.21.1indirekt
PyPIcolorama0.4.6indirekt
PyPIcomm0.2.3indirekt
PyPIcoverage7.13.1indirekt
PyPIcryptography46.0.3indirekt
PyPIcuda-bindings12.9.4indirekt
PyPIcuda-pathfinder1.3.3indirekt
PyPIdebugpy1.8.19indirekt
PyPIdecorator5.2.1indirekt
PyPIdistlib0.4.3indirekt
PyPIdistro1.9.0indirekt
PyPIdocstring-parser0.17.0indirekt
PyPIdocutils0.22.4indirekt
PyPIeinops0.8.1indirekt
PyPIesperanto2.27.0indirekt
PyPIexceptiongroup1.3.1indirekt
PyPIexecuting2.2.1indirekt
PyPIfastavro1.12.2indirekt
PyPIfilelock3.29.4indirekt
PyPIfiletype1.2.0indirekt
PyPIfsspec2026.1.0indirekt
PyPIgoogle-auth2.47.0indirekt
PyPIgoogle-genai1.60.0indirekt
PyPIgroq0.37.1indirekt
PyPIh110.16.0indirekt
PyPIhf-xet1.2.0indirekt
PyPIhttpcore1.0.9indirekt
PyPIhttpx-sse0.4.3indirekt
PyPIhuggingface-hub0.36.0indirekt
PyPIid1.5.0indirekt
PyPIidentify2.6.19indirekt
PyPIidna3.11indirekt
PyPIimportlib-metadata8.7.1indirekt
PyPIiniconfig2.3.0indirekt
PyPIipykernel7.1.0indirekt
PyPIipython8.38.0indirekt
PyPIipython9.9.0indirekt
PyPIipython-pygments-lexers1.1.1indirekt
PyPIipywidgets8.1.8indirekt
PyPIjaraco-classes3.4.0indirekt
PyPIjaraco-context6.1.0indirekt
PyPIjaraco-functools4.4.0indirekt
PyPIjedi0.19.2indirekt
PyPIjeepney0.9.0indirekt
PyPIjinja23.1.6indirekt
PyPIjiter0.12.0indirekt
PyPIjoblib1.5.3indirekt
PyPIjsonpatch1.33indirekt
PyPIjsonpointer3.0.0indirekt
PyPIjsonschema4.26.0indirekt
PyPIjsonschema-specifications2025.9.1indirekt
PyPIjupyter-client8.8.0indirekt
PyPIjupyter-core5.9.1indirekt
PyPIjupyterlab-widgets3.0.16indirekt
PyPIkeyring25.7.0indirekt
PyPIlangchain1.2.6indirekt
PyPIlangchain-anthropic1.3.1indirekt
PyPIlangchain-cohere0.6.0indirekt
PyPIlangchain-core1.4.7indirekt
PyPIlangchain-deepseek1.0.1indirekt
PyPIlangchain-google-genai4.2.0indirekt
PyPIlangchain-groq1.1.1indirekt
PyPIlangchain-mistralai1.1.1indirekt
PyPIlangchain-ollama1.0.1indirekt
PyPIlangchain-openai1.1.7indirekt
PyPIlangchain-protocol0.0.17indirekt
PyPIlanggraph1.0.6indirekt
PyPIlanggraph-checkpoint4.0.0indirekt
PyPIlanggraph-prebuilt1.0.6indirekt
PyPIlanggraph-sdk0.3.3indirekt
PyPIlangsmith0.6.4indirekt
PyPIlibrt0.7.8indirekt
PyPImarkdown-it-py4.0.0indirekt
PyPImarkupsafe3.0.3indirekt
PyPImatplotlib-inline0.2.1indirekt
PyPImdurl0.1.2indirekt
PyPImore-itertools10.8.0indirekt
PyPImpmath1.3.0indirekt
PyPImypy1.19.1indirekt
PyPImypy-extensions1.1.0indirekt
PyPInest-asyncio1.6.0indirekt
PyPInetworkx3.4.2indirekt
PyPInetworkx3.6.1indirekt
PyPInh30.3.2indirekt
PyPInodeenv1.10.0indirekt
PyPInumpy2.2.6indirekt
PyPInumpy2.4.1indirekt
PyPInvidia-cublas-cu1212.8.4.1indirekt
PyPInvidia-cuda-cupti-cu1212.8.90indirekt
PyPInvidia-cuda-nvrtc-cu1212.8.93indirekt
PyPInvidia-cuda-runtime-cu1212.8.90indirekt
PyPInvidia-cudnn-cu129.10.2.21indirekt
PyPInvidia-cufft-cu1211.3.3.83indirekt
PyPInvidia-cufile-cu121.13.1.3indirekt
PyPInvidia-curand-cu1210.3.9.90indirekt
PyPInvidia-cusolver-cu1211.7.3.90indirekt
PyPInvidia-cusparse-cu1212.5.8.93indirekt
PyPInvidia-cusparselt-cu120.7.1indirekt
PyPInvidia-nccl-cu122.27.5indirekt
PyPInvidia-nvjitlink-cu1212.8.93indirekt
PyPInvidia-nvshmem-cu123.4.5indirekt
PyPInvidia-nvtx-cu1212.8.90indirekt
PyPIollama0.6.1indirekt
PyPIopenai2.15.0indirekt
PyPIorjson3.11.5indirekt
PyPIormsgpack1.12.2indirekt
PyPIpackaging25.0indirekt
PyPIparso0.8.5indirekt
PyPIpathspec1.0.3indirekt
PyPIpexpect4.9.0indirekt
PyPIplatformdirs4.5.1indirekt
PyPIpluggy1.6.0indirekt
PyPIpre-commit4.6.0indirekt
PyPIprompt-toolkit3.0.52indirekt
PyPIpsutil7.2.1indirekt
PyPIptyprocess0.7.0indirekt
PyPIpure-eval0.2.3indirekt
PyPIpyasn10.6.2indirekt
PyPIpyasn1-modules0.4.2indirekt
PyPIpycparser3.0indirekt
PyPIpydantic-core2.41.5indirekt
PyPIpygments2.19.2indirekt
PyPIpyproject-hooks1.2.0indirekt
PyPIpytest9.0.2indirekt
PyPIpytest-asyncio1.3.0indirekt
PyPIpytest-cov7.0.0indirekt
PyPIpytest-mock3.15.1indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-discovery1.4.2indirekt
PyPIpython-dotenv1.2.1indirekt
PyPIpywin32-ctypes0.2.3indirekt
PyPIpyyaml6.0.3indirekt
PyPIpyzmq27.1.0indirekt
PyPIreadme-renderer44.0indirekt
PyPIreferencing0.37.0indirekt
PyPIregex2026.1.15indirekt
PyPIrequests2.32.5indirekt
PyPIrequests-toolbelt1.0.0indirekt
PyPIresponses0.25.8indirekt
PyPIrfc39862.0.0indirekt
PyPIrich14.2.0indirekt
PyPIrpds-py0.30.0indirekt
PyPIrsa4.9.1indirekt
PyPIruff0.14.13indirekt
PyPIsafetensors0.7.0indirekt
PyPIscikit-learn1.7.2indirekt
PyPIscikit-learn1.8.0indirekt
PyPIscipy1.15.3indirekt
PyPIscipy1.17.0indirekt
PyPIsecretstorage3.5.0indirekt
PyPIsentence-transformers5.2.0indirekt
PyPIsetuptools80.10.1indirekt
PyPIsix1.17.0indirekt
PyPIsniffio1.3.1indirekt
PyPIstack-data0.6.3indirekt
PyPIsympy1.14.0indirekt
PyPItenacity9.1.2indirekt
PyPIthreadpoolctl3.6.0indirekt
PyPItiktoken0.12.0indirekt
PyPItokenizers0.22.2indirekt
PyPItomli2.4.0indirekt
PyPItorch2.10.0indirekt
PyPItornado6.5.4indirekt
PyPItqdm4.67.1indirekt
PyPItraitlets5.14.3indirekt
PyPItransformers4.57.6indirekt
PyPItriton3.6.0indirekt
PyPItwine6.2.0indirekt
PyPItypes-jsonschema4.26.0.20260408indirekt
PyPItypes-pyyaml6.0.12.20260518indirekt
PyPItypes-requests2.32.4.20260107indirekt
PyPItyping-extensions4.15.0indirekt
PyPItyping-inspection0.4.2indirekt
PyPIurllib32.6.3indirekt
PyPIuuid-utils0.14.0indirekt
PyPIvirtualenv21.5.1indirekt
PyPIwcwidth0.3.0indirekt
PyPIwebsockets15.0.1indirekt
PyPIwidgetsnbextension4.0.15indirekt
PyPIxxhash3.6.0indirekt
PyPIzipp3.23.0indirekt
PyPIzstandard0.25.0indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:esperanto@2.27.0 zieht 11 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 lfnovo/esperanto teilen. Nebeneinander lesen →

96TanStack/ai🤖 Type-safe, provider-agnostic TypeScript AI SDK for streaming chat, tool calling, agents, and multimodal apps across OpenAI, Anthropic, Gemini, React, Vue, Svelte, and Solid.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.Außergewöhnlich98langchain-ai/langchainThe agent engineering platform.Außergewöhnlich97langchain4j/langchain4jLangChain4j is an idiomatic, open-source Java library for building LLM-powered applications on the JVM. It offers a unified API over popular LLM providers and vector stores, and makes implementing tool calling (including MCP support), agents and RAG easy. It integrates seamlessly with enterprise Java frameworks like Quarkus and Spring Boot.Außergewöhnlich96diegosouzapw/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 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.