Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-10-13 13:21 UTC

marcelwa / aigverse

A Python library for working with logic networks, synthesis, and optimization.

Python · C++MIT★ 90 Sterne⑂ 6 Forksseit Sept. 2024Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird
#aig#aiger#machine-learning#logic-optimization#logic-synthesis#python#verilog

marcelwa/aigverse erreicht einen Gesundheitsindex von 92 von 100 und liegt damit im Bereich Exzellent. Am stärksten schneidet es bei Vitality (98/100) ab, am schwächsten bei Community & Adoption (58/100). Zuletzt heute aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

92
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.

92
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 78 wird auf der veröffentlichten Indexskala auf 92 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

Marcel WalterPersönliches Konto
43 Follower24 öffentliche Reposseit Juni 2016@cda-tum and @munich-quantum-software

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIaigverse0.1.64.52933vor 0 Tagenaigaigverseartificial-intelligenceedalogicmachine-learningoptimizationsynthesis

Metriken nach Kategorie

Vitalität

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

98Außergewöhnlich · 21 % des Gesamtindex

Entwicklungsaktivität

97Außergewöhnlich
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
33.2/36Commit-Rhythmus — 48/52 Wochen mit Commits
18/18Commit-Volumen — 285 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 18 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year285
human_commit_share0,33
days_since_last_push0
active_weeks_last_year48

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 34 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 0 Tagen
27/27Release-Rhythmus — ein Release etwa alle 39,7 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count34
latest_release_tagv0.1.6
releases_from_tagsnein
days_since_latest_release0
mean_days_between_releases39,7
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?

58Mittel · 17 % des Gesamtindex

Popularität & Verbreitung

40Schwach
Wie die Bewertung erfolgt
31.6/60Stars — 90 Stars
5.8/25Forks — 6 Forks
2.7/15Watcher — 4 Watcher
Verwendete Eingangsdaten
forks6
stars90
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_badges7
has_contributingja
has_issue_templatenein
has_code_of_conductnein
readme_badge_servicesshields.io
has_pull_request_templateja

Ökosystem-Verbreitung (Downloads)

61Mittel
Wie die Bewertung erfolgt
48.7/80Downloads pro Monat — 4.529 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesaigverse
dependents—
ecosystemspypi
total_downloads—
monthly_downloads4.529
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
0.8/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 97 % der Commits
4.1/13.5Breite der Beitragenden — 3 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 3 contributing companies or organizations -- score normalized to 10
Verwendete Eingangsdaten
bus_factor1
contributors_sampled3
top_contributor_share0,966

Reaktionsfähigkeit bei Issues & PRs

71Gut
Wie die Bewertung erfolgt
33.6/42Issue-Lösungsquote — 80 % der Issues geschlossen
28.1/30PR-Annahme — 480/512 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
0/15OpenSSF Scorecard: Code-Review — Found 0/24 approved changesets -- score normalized to 0
Verwendete Eingangsdaten
merged_prs480
open_issues8
closed_issues32
prs_merged_7d3
prs_decided_7d3
prs_merged_30d8
prs_decided_30d8
issue_closed_ratio0,8
closed_unmerged_prs32
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

55Mittel
Wie die Bewertung erfolgt
10/30Organisatorische Trägerschaft — persönliches (Nutzer-)Konto
0/20Verifizierte Domain — für Nutzerkonten nicht anwendbar
11.8/25Reichweite des Inhabers — 43 Follower von marcelwa
22.2/25Kontohistorie — 24 öffentliche Repos, Kontoalter ca. 10 Jahre
Verwendete Eingangsdaten
followers43
owner_typeUser
is_verified—
owner_loginmarcelwa
public_repos24
account_age_days3.773
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 0 Tagen
20/20Versionshistorie — 33 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesaigverse
ecosystemspypi
any_deprecatednein
min_days_since_publish0

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

92Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

94Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows — 15 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff])
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 30 out of 30 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

90Exzellent
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://aigverse.readthedocs.io/
10/10Repository-Beschreibung
10/10Topics — 7 Topics
0/10Wiki
Verwendete Eingangsdaten
topicsaig, aiger, machine-learning, logic-optimization, logic-synthesis, python, verilog
has_wikinein
homepagehttps://aigverse.readthedocs.io/
docs_sitehttps://aigverse.readthedocs.io/
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

82Exzellent · 16 % des Gesamtindex

Sicherheitslage

78Gut
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
3/7.5Branch-Protection — branch protection is not maximal on development and all release branches
2.5/2.5CI-Tests — 30 out of 30 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 0/24 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
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 18 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
4.5/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 9
4/5SAST — SAST tool detected but not run on all commits
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — keine Daten
7.5/7.5Token-Permissions — GitHub workflow tokens follow principle of least privilege
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate7,8
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): 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
0/25Indirekte Abhängigkeiten ohne bekannte Advisories — transitive Menge in diesem Bereich nicht von Entwicklungs- und Test-Abhängigkeiten trennbar
0/40Keine offenen Advisories — kein Advisory trägt ein Veröffentlichungsdatum
Verwendete Eingangsdaten
sourceosv
advisories0
affected_packages0
assessed_packages175
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Indirekte Abhängigkeiten ohne bekannte Advisories, Keine offenen Advisories. Die verbleibenden Gewichte wurden renormalisiert. 175 aufgelöste Abhängigkeiten wurden mit OSV abgeglichen. Dieses Repository veröffentlicht kein Paket, das der Index auflöst; bewertet wurde daher der Abhängigkeitsgraph des Repositorys. Dieser Graph vermischt Entwicklungs- und Test-Pins mit ausgelieferten Abhängigkeiten, daher werden nur die deklarierten Laufzeit-Abhängigkeiten bewertet; transitive Befunde werden als Kontext ausgewiesen und fließen nicht in die Bewertung ein. 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.

97Außergewöhnlich · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

100Außergewöhnlich
Wie die Bewertung erfolgt
45/45Agentenanweisungen — AGENTS.md
15/15Maschinenlesbare Doku (llms.txt) — llms.txt wird von der Projektwebsite ausgeliefert (https://aigverse.readthedocs.io/llms.txt)
40/40Lesbare Commit-Historie — 33 von 33 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtja
llms_txt_urlhttps://aigverse.readthedocs.io/llms.txt
legible_history_share1
agent_instruction_filesAGENTS.md
agent_instruction_max_bytes14.008

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

99Außergewöhnlich
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — noxfile.py
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff])
11/11Statische Typprüfung — python/aigverse/py.typed
10/10Reproduzierbare Umgebung — lockfile
10/10Belegte Agentenpraxis — 6 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
8/8Automatisierte Wartung — 67 der letzten 100 Commits sind automatisierte Abhängigkeits-Updates
9/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 9
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilesuv.lock
has_dockerfilenein
typed_languagenein
bootstrap_filesnoxfile.py
has_devcontainernein
has_linter_configja
typecheck_configspython/aigverse/py.typed
agent_commit_share0,06
toolchain_manifests—
dependency_bot_commit_share0,67

AI-Code-Lesbarkeit für Modelle

82Exzellent
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Python mit Typprüfungs-Konfiguration (python/aigverse/py.typed)
55/55Handhabbare Dateigrößen — 0/104 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes53.874
source_files_sampled104
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

90GitHub-Sterne
3Mitwirkende
285Commits, letzte 12 Monate
0Tage seit letztem Push
34Releases
1Bus-Faktor
8offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • deps.dev does not index pypi:aigverse@0.1.6; advisories assessed against the repository dependency graph instead

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 6 ⇿
0Sterne
6Forks
13Releases

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.

123456612025-042025-112026-05
Major 0Minor 1Patch 12

Jeder Punkt umfasst 2 Tage.

OpenSSF Scorecard 7.8 / 10
7.8Gesamtwert

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 · 2026-10-13 13:21 UTC

10Binary-Artifactsno binaries found in the repo
4Branch-Protectionbranch protection is not maximal on development and all release branches
10CI-Tests30 out of 30 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 0/24 approved changesets -- score normalized to 0
10Contributorsproject has 3 contributing companies or organizations -- score normalized to 10
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 18 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
9Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 9
8SASTSAST tool detected but not run on all commits
10Security-Policysecurity policy file detected
k. A.Signed-Releasesno releases found
10Token-PermissionsGitHub workflow tokens follow principle of least privilege
10Vulnerabilities0 existing vulnerabilities detected
Direkte Abhängigkeiten 1
RegistryPaketVersionsvorgabeManifest
PyPInanobind-backend>=1.0pyproject.toml
Alle Abhängigkeiten 175

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 1 direkte und 174 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPInanobind-backend1.0.0direkt
PyPIaccessible-pygments0.0.5indirekt
PyPIalabaster1.0.0indirekt
PyPIappnope1.0.0indirekt
PyPIargcomplete3.7.2indirekt
PyPIastroid4.3.4indirekt
PyPIasttokens3.0.2indirekt
PyPIattrs26.1.0indirekt
PyPIbabel2.18.0indirekt
PyPIbeautifulsoup44.15.0indirekt
PyPIcertifi2026.7.22indirekt
PyPIcffi2.1.1indirekt
PyPIcharset-normalizer3.5.2indirekt
PyPIclang-tidy22.1.8indirekt
PyPIclick8.5.0indirekt
PyPIcolorama0.4.6indirekt
PyPIcolorlog6.12.0indirekt
PyPIcomm0.2.3indirekt
PyPIcontourpy1.3.2indirekt
PyPIcontourpy1.3.3indirekt
PyPIcontourpy1.4.0indirekt
PyPIcoverage7.16.2indirekt
PyPIcpp-linter1.14.1indirekt
PyPIcuda-bindings13.4.3indirekt
PyPIcuda-pathfinder1.8.3indirekt
PyPIcuda-toolkit13.0.3.0indirekt
PyPIcycler0.12.1indirekt
PyPIdebugpy1.8.22indirekt
PyPIdecorator5.3.1indirekt
PyPIdependency-groups1.3.2indirekt
PyPIdistlib0.4.3indirekt
PyPIdocutils0.21.2indirekt
PyPIdocutils0.22.4indirekt
PyPIexceptiongroup1.3.1indirekt
PyPIexecnet2.1.2indirekt
PyPIexecuting2.3.0indirekt
PyPIfastjsonschema2.22.2indirekt
PyPIfilelock4.1.0indirekt
PyPIfilelock4.1.1indirekt
PyPIfonttools4.65.0indirekt
PyPIfonttools4.66.1indirekt
PyPIfsspec2026.9.0indirekt
PyPIfuro2025.12.19indirekt
PyPIgcovr8.6indirekt
PyPIgraphviz0.21indirekt
PyPIgreenlet3.5.6indirekt
PyPIhumanize4.16.0indirekt
PyPIidna3.20indirekt
PyPIimagesize2.0.1indirekt
PyPIimportlib-metadata9.0.1indirekt
PyPIiniconfig2.3.1indirekt
PyPIipykernel7.3.0indirekt
PyPIipykernel7.4.0indirekt
PyPIipython8.39.0indirekt
PyPIipython9.17.1indirekt
PyPIipython-pygments-lexers1.1.1indirekt
PyPIjedi0.20.0indirekt
PyPIjinja23.1.6indirekt
PyPIjsonschema4.26.0indirekt
PyPIjsonschema-specifications2025.9.1indirekt
PyPIjupyter-cache1.0.1indirekt
PyPIjupyter-client8.10.0indirekt
PyPIjupyter-core5.9.1indirekt
PyPIkiwisolver1.5.1indirekt
PyPIlxml6.1.3indirekt
PyPImarkdown-it-py3.0.0indirekt
PyPImarkdown-it-py4.2.0indirekt
PyPImarkupsafe3.0.4indirekt
PyPImatplotlib3.10.9indirekt
PyPImatplotlib3.11.2indirekt
PyPImatplotlib-inline0.2.2indirekt
PyPImdit-py-plugins0.6.1indirekt
PyPImdurl0.1.2indirekt
PyPImpmath1.3.0indirekt
PyPImyst-nb1.4.0indirekt
PyPImyst-parser4.0.1indirekt
PyPImyst-parser5.1.0indirekt
PyPInanobind3.1.0indirekt
PyPInbclient0.11.0indirekt
PyPInbformat5.11.1indirekt
PyPInest-asyncio21.7.4indirekt
PyPInetworkx3.4.2indirekt
PyPInetworkx3.6.1indirekt
PyPInetworkx3.7indirekt
PyPInox2026.8.17indirekt
PyPInumpy2.2.6indirekt
PyPInumpy2.4.6indirekt
PyPInumpy2.5.4indirekt
PyPInvidia-cublas13.1.1.3indirekt
PyPInvidia-cuda-cupti13.0.85indirekt
PyPInvidia-cuda-nvrtc13.0.88indirekt
PyPInvidia-cuda-runtime13.0.96indirekt
PyPInvidia-cudnn-cu139.24.0.43indirekt
PyPInvidia-cufft12.0.0.61indirekt
PyPInvidia-cufile1.15.1.6indirekt
PyPInvidia-curand10.4.0.35indirekt
PyPInvidia-cusolver12.0.4.66indirekt
PyPInvidia-cusparse12.6.3.3indirekt
PyPInvidia-cusparselt-cu130.8.1indirekt
PyPInvidia-nccl-cu132.30.7indirekt
PyPInvidia-nvjitlink13.4.92indirekt
PyPInvidia-nvshmem-cu133.4.5indirekt
PyPInvidia-nvtx13.0.85indirekt
PyPIpackaging26.3indirekt
PyPIparso0.8.7indirekt
PyPIpathspec1.1.1indirekt
PyPIpexpect4.9.0indirekt
PyPIpillow12.3.0indirekt
PyPIplatformdirs4.12.4indirekt
PyPIplatformdirs4.13.0indirekt
PyPIpluggy1.6.0indirekt
PyPIprompt-toolkit3.0.53indirekt
PyPIpsutil7.2.2indirekt
PyPIptyprocess0.7.0indirekt
PyPIpure-eval0.2.4indirekt
PyPIpycparser3.11indirekt
PyPIpygit21.18.2indirekt
PyPIpygit21.20.1indirekt
PyPIpygments2.21.0indirekt
PyPIpygraphviz2.0.3indirekt
PyPIpyparsing3.3.3indirekt
PyPIpytest9.1.1indirekt
PyPIpytest-cov7.1.0indirekt
PyPIpytest-sugar1.1.1indirekt
PyPIpytest-xdist3.8.0indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-discovery1.6.2indirekt
PyPIpyyaml6.0.3indirekt
PyPIpyzmq27.2.0indirekt
PyPIreferencing0.37.0indirekt
PyPIrequests2.34.2indirekt
PyPIroman-numerals4.1.0indirekt
PyPIrpds-py0.30.0indirekt
PyPIrpds-py2026.9.1indirekt
PyPIscikit-build-core1.1.1indirekt
PyPIsetuptools84.0.0indirekt
PyPIsix1.17.0indirekt
PyPIsnowballstemmer3.1.1indirekt
PyPIsoupsieve2.10indirekt
PyPIsoupsieve3.0.2indirekt
PyPIsphinx8.1.3indirekt
PyPIsphinx9.0.4indirekt
PyPIsphinx9.1.0indirekt
PyPIsphinx-autoapi3.8.1indirekt
PyPIsphinx-basic-ng1.0.0b2indirekt
PyPIsphinx-copybutton0.5.2indirekt
PyPIsphinx-design0.6.1indirekt
PyPIsphinx-design0.7.0indirekt
PyPIsphinx-llm1.1.0indirekt
PyPIsphinx-markdown-builder0.6.11indirekt
PyPIsphinxcontrib-applehelp2.0.0indirekt
PyPIsphinxcontrib-devhelp2.0.0indirekt
PyPIsphinxcontrib-htmlhelp2.1.0indirekt
PyPIsphinxcontrib-jsmath1.0.1indirekt
PyPIsphinxcontrib-qthelp2.0.0indirekt
PyPIsphinxcontrib-serializinghtml2.0.0indirekt
PyPIsphinxcontrib-svg2pdfconverter2.1.0indirekt
PyPIsphinxext-opengraph0.13.0indirekt
PyPIsqlalchemy2.0.54indirekt
PyPIsqlalchemy2.1.4indirekt
PyPIstack-data0.6.3indirekt
PyPIsympy1.14.0indirekt
PyPItabulate0.10.0indirekt
PyPItermcolor3.3.0indirekt
PyPItomli2.5.0indirekt
PyPItorch2.14.1indirekt
PyPItornado6.5.10indirekt
PyPItraitlets5.16.1indirekt
PyPItriton3.8.0indirekt
PyPItyping-extensions4.16.0indirekt
PyPIurllib32.8.0indirekt
PyPIvcs-versioning2.6.0indirekt
PyPIvirtualenv21.14.7indirekt
PyPIwcwidth0.9.2indirekt
PyPIzipp4.1.1indirekt
Abhängigkeits-Advisories 0

Dieses Repository veröffentlicht kein vom Index auflösbares Paket, daher wurde sein eigener Abhängigkeitsgraph bewertet – 175 Pakete, darunter auch Entwicklungs- und Test-Pins, die nie ausgeliefert werden: 0 tragen bekannte Advisories, davon 0 direkte.

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 marcelwa/aigverse teilen. Nebeneinander lesen →

98deepnote/deepnoteDeepnote is a drop-in replacement for Jupyter with an AI-first design, sleek UI, new blocks, and native data integrations. Use Python, R, and SQL locally in your favorite IDE, then scale to Deepnote cloud for real-time collaboration, Deepnote agent, and deployable data apps. https://deepnote.com/Außergewöhnlich99voxel51/fiftyoneRefine high-quality datasets and visual AI modelsAußergewöhnlich99nautechsystems/nautilus_traderProduction-grade Rust-native trading engine with deterministic event-driven architectureAußergewöhnlich99ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Außergewöhnlich98Eventual-Inc/DaftHigh-performance data engine for AI and multimodal workloads. Process images, audio, video, and structured data at any scaleAußergewöhnlich98PennyLaneAI/pennylanePennyLane is an open-source quantum software platform for quantum computing, quantum machine learning, and quantum chemistry. Create meaningful quantum algorithms, from inspiration to implementation.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.