Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-14 20:42 UTC

mindsdb / cowork-server

FastAPI backend for MindsHub Cowork. Manages projects, conversations, files, scheduling, memory, and agent orchestration with a SQLite-backed data layer.

PythonAGPL-3.0★ 5 Sterne⑂ 7 Forksseit Mai 2026Auf GitHub ansehen ↗
ArtKommandozeilenwerkzeugNetzwerkdienstBibliothekwie das ermittelt wird

mindsdb/cowork-server erreicht einen Gesundheitsindex von 34 von 100 und liegt damit im Bereich Gefährdet. Am stärksten schneidet es bei Sustainability & Governance (87/100) ab, am schwächsten bei Security (37/100). Zuletzt heute aktualisiert. 5 Mitwirkende tragen den Großteil der jüngsten Arbeit.

34
gesamt / 100
Gefährdet

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.

34
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 68 wird auf der veröffentlichten Indexskala auf 80 kalibriert (Register-Kalibrierung 2026-08-02). Die Richtlinie für Hochrisikojurisdiktionen wendet einen Multiplikator von 50 % auf die gewichtete Gesamtgesundheit an und begrenzt sie auf die Obergrenze Gefährdet von 34.

Eigentümerschaft

MindsDB IncOrganisation
1.428 Follower59 öffentliche Reposseit Aug. 2017

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlicht
PyPIcowork-server0.26.9.14.221.108284vor 0 Tagen

Metriken nach Kategorie

Vitalität

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

86Exzellent · 21 % des Gesamtindex

Entwicklungsaktivität

76Gut
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
12.5/36Commit-Rhythmus — 18/52 Wochen mit Commits
18/18Commit-Volumen — 1.764 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 1 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year1.764
human_commit_share0,99
days_since_last_push0
active_weeks_last_year18

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 100 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 0 Tagen
27/27Release-Rhythmus — ein Release etwa alle 0,1 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count100
latest_release_tagv0.26.9.14.3rc1
releases_from_tagsnein
days_since_latest_release0
mean_days_between_releases0,1
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?

42Schwach · 17 % des Gesamtindex

Popularität & Verbreitung

16Kritisch
Wie die Bewertung erfolgt
9.8/60Stars — 5 Stars
6.5/25Forks — 7 Forks
0/15Watcher — 0 Watcher
Verwendete Eingangsdaten
forks7
stars5
watchers0
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

50Mittel
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (AGPL-3.0)
0/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges0
has_contributingnein
has_issue_templatenein
has_code_of_conductnein
readme_badge_services—
has_pull_request_templatenein

Ökosystem-Verbreitung (Downloads)

72Gut
Wie die Bewertung erfolgt
57.7/80Downloads pro Monat — 21.108 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagescowork-server
dependents—
ecosystemspypi
total_downloads—
monthly_downloads21.108
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?

87Exzellent · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

89Exzellent
Wie die Bewertung erfolgt
45.9/54Bus-Faktor — 5 Beitragende decken die Hälfte aller Commits ab
19.3/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 14 % der Commits
13.5/13.5Breite der Beitragenden — 16 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 18 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor5
contributors_sampled16
top_contributor_share0,141

Reaktionsfähigkeit bei Issues & PRs

83Exzellent
Wie die Bewertung erfolgt
42/42Issue-Lösungsquote — 100 % der Issues geschlossen
24.4/30PR-Annahme — 410/505 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
6/15OpenSSF Scorecard: Code-Review — Found 7/15 approved changesets -- score normalized to 4
Verwendete Eingangsdaten
merged_prs410
open_issues0
closed_issues1
prs_merged_7d34
prs_decided_7d41
prs_merged_30d45
prs_decided_30d56
issue_closed_ratio1
closed_unmerged_prs95
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

78Gut
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain
22.7/25Reichweite des Inhabers — 1.428 Follower von mindsdb
24.9/25Kontohistorie — 59 öffentliche Repos, Kontoalter ca. 9 Jahre
Verwendete Eingangsdaten
followers1.428
owner_typeOrganization
is_verifiednein
owner_loginmindsdb
public_repos59
account_age_days3.317

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 0 Tagen
20/20Versionshistorie — 284 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagescowork-server
ecosystemspypi
any_deprecatednein
min_days_since_publish0

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

77Gut · 19 % des Gesamtindex

Engineering-Praktiken

68Gut
Wie die Bewertung erfolgt
24/24CI-Workflows — 15 Workflow(s)
24/24Tests vorhanden
0/16Linter-Konfiguration
0/9.6Pre-Commit-Hooks
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 16 out of 16 merged PRs checked by a CI test -- score normalized to 10
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_confignein
has_precommit_confignein

Dokumentation

90Exzellent
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://mindshub.ai
10/10Repository-Beschreibung
0/10Topics
10/10Wiki
Verwendete Eingangsdaten
topics—
has_wikija
homepagehttps://mindshub.ai
docs_sitehttps://mindshub.ai
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

37Schwach · 16 % des Gesamtindex

Sicherheitslage

26Gefährdet
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
2.5/2.5CI-Tests — 16 out of 16 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
3/7.5Code-Review — Found 7/15 approved changesets -- score normalized to 4
2.5/2.5Contributors — project has 18 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 1 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — keine Daten
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 10 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate5,3
high_risk_jurisdiction_cap34
high_risk_jurisdiction_multiplier50
security_posture_after_multiplier26
security_posture_before_jurisdiction53
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert. Die Richtlinie für Hochrisikojurisdiktionen wendet einen Multiplikator von 50 % an und begrenzt die Sicherheitslage auf die Obergrenze Gefährdet von 34.

Abhängigkeits-Advisories

80Exzellent
Wie die Bewertung erfolgt
20.2/35Direkte Abhängigkeiten ohne bekannte Advisories — 1 betroffen: pydantic-settings 2.14.1 (moderate 5.3)
0/25Indirekte Abhängigkeiten ohne bekannte Advisories — transitive Menge in diesem Bereich nicht von Entwicklungs- und Test-Abhängigkeiten trennbar
40/40Keine offenen Advisories — kein Advisory ist länger als 90 Tage öffentlich
Verwendete Eingangsdaten
sourceosv
advisories19
affected_packages3
assessed_packages128
unassessed_packages0
affected_by_severityhigh 1, moderate 2
direct_affected_packages1
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Indirekte Abhängigkeiten ohne bekannte Advisories. Die verbleibenden Gewichte wurden renormalisiert. 128 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.

57Mittel · 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://mindshub.ai/llms.txt)
39.9/40Lesbare Commit-Historie — 74 von 99 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtja
llms_txt_urlhttps://mindshub.ai/llms.txt
legible_history_share0,747
agent_instruction_files—
agent_instruction_max_bytes—

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

60Mittel
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile
22/22Automatisierte Tests
0/11Lint-/Format-Konfiguration
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — Dockerfile, lockfile
10/10Belegte Agentenpraxis — 11 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_dockerfileja
typed_languagenein
bootstrap_filesMakefile
has_devcontainernein
has_linter_confignein
typecheck_configs—
agent_commit_share0,11
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

54Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
54.1/55Handhabbare Dateigrößen — 10/598 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes131.756
source_files_sampled598
oversized_source_files10

Eckdaten

5GitHub-Sterne
16Mitwirkende
1.764Commits, letzte 12 Monate
0Tage seit letztem Push
100Releases
5Bus-Faktor
0offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • First-time contributor figures cover 12 of 13 authors (cap 12)
  • deps.dev does not index pypi:cowork-server@0.26.9.14.2; advisories assessed against the repository dependency graph instead

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 7 ⇿
0Sterne
7Forks
71Releases

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.

1234567712026-062026-082026-09
Major 0Minor 0Patch 0
OpenSSF Scorecard 5.3 / 10
5.3Gesamtwert

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 · 2026-09-14 20:42 UTC

10Binary-Artifactsno binaries found in the repo
5Branch-Protectionbranch protection is not maximal on development and all release branches
10CI-Tests16 out of 16 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
4Code-ReviewFound 7/15 approved changesets -- score normalized to 4
10Contributorsproject has 18 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 1 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
0SASTSAST tool is not run on all commits -- score normalized to 0
0Security-Policysecurity policy file not detected
k. A.Signed-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities10 existing vulnerabilities detected
Direkte Abhängigkeiten 22
RegistryPaketVersionsvorgabeManifest
PyPIalembic>=1.17.0pyproject.toml
PyPIanton-agent>=2.26.8.23.1,<3pyproject.toml
PyPIcryptography>=48.0.0,<51pyproject.toml
PyPIfastapi>=0.136.1pyproject.toml
PyPIhttpx>=0.27pyproject.toml
PyPIopenai-codex==0.147.0pyproject.toml
PyPIpydantic>=2.12.5pyproject.toml
PyPIpydantic-settings>=2.14.1pyproject.toml
PyPIpython-dotenv>=1.2.2pyproject.toml
PyPIpsutil>=7.0pyproject.toml
PyPIpsycopg>=3.2pyproject.toml
PyPIpsycopg2-binary>=2.9pyproject.toml
PyPIredis>=5,<6pyproject.toml
PyPIgoogle-re2>=1.1pyproject.toml
PyPIpython-multipart>=0.0.28pyproject.toml
PyPIsqlmodel>=0.0.38pyproject.toml
PyPItzlocal>=5.0pyproject.toml
PyPIuvicorn>=0.47.0pyproject.toml
PyPImarkdown>=3.7pyproject.toml
PyPIxhtml2pdf>=0.2.16pyproject.toml
PyPIpython-docx>=1.1.2pyproject.toml
PyPIhtmldocx>=0.0.6pyproject.toml
Alle Abhängigkeiten 128

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 22 direkte und 106 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIalembic1.18.4direkt
PyPIanton-agent2.26.9.2.1direkt
PyPIcryptography50.0.0direkt
PyPIfastapi0.136.3direkt
PyPIgoogle-re21.1.20251105direkt
PyPIhtmldocx0.0.6direkt
PyPIhttpx0.28.1direkt
PyPImarkdown3.10.2direkt
PyPIopenai-codex0.147.0direkt
PyPIpsutil7.2.2direkt
PyPIpsycopg3.3.4direkt
PyPIpsycopg2-binary2.9.12direkt
PyPIpydantic2.13.4direkt
PyPIpydantic-settings2.14.1direkt
PyPIpython-docx1.2.0direkt
PyPIpython-dotenv1.2.2direkt
PyPIpython-multipart0.0.32direkt
PyPIredis5.3.1direkt
PyPIsqlmodel0.0.38direkt
PyPItzlocal5.4.3direkt
PyPIuvicorn0.49.0direkt
PyPIxhtml2pdf0.2.17direkt
PyPIaiohappyeyeballs2.6.2indirekt
PyPIaiohttp3.14.3indirekt
PyPIaiosignal1.4.0indirekt
PyPIannotated-doc0.0.4indirekt
PyPIannotated-types0.7.0indirekt
PyPIanthropic0.105.2indirekt
PyPIanyio4.13.0indirekt
PyPIarabic-reshaper3.0.1indirekt
PyPIasn1crypto1.5.1indirekt
PyPIattrs26.1.0indirekt
PyPIaudioop-lts0.2.2indirekt
PyPIbeautifulsoup44.15.0indirekt
PyPIcertifi2026.5.20indirekt
PyPIcffi2.0.0indirekt
PyPIcharset-normalizer3.4.7indirekt
PyPIclick8.4.1indirekt
PyPIcolorama0.4.6indirekt
PyPIconcurrent-log-handler0.9.29indirekt
PyPIcoverage7.14.3indirekt
PyPIcroniter6.0.0indirekt
PyPIcssselect20.9.0indirekt
PyPIdill0.3.8indirekt
PyPIdiscord-py2.7.1indirekt
PyPIdistro1.9.0indirekt
PyPIdocstring-parser0.18.0indirekt
PyPIfakeredis2.37.0indirekt
PyPIfire0.7.1indirekt
PyPIfrozenlist1.8.0indirekt
PyPIgreenlet3.5.1indirekt
PyPIh110.16.0indirekt
PyPIhermes-agent0.17.0indirekt
PyPIhtml5lib1.1indirekt
PyPIhttpcore1.0.9indirekt
PyPIhttpcore22.12.0indirekt
PyPIhttptools0.8.0indirekt
PyPIhttpx22.12.0indirekt
PyPIhttpx2-jsfetch1.0indirekt
PyPIidna3.18indirekt
PyPIiniconfig2.3.0indirekt
PyPIjinja23.1.6indirekt
PyPIjiter0.16.0indirekt
PyPIlxml6.1.1indirekt
PyPImako1.3.12indirekt
PyPImarkdown-it-py4.2.0indirekt
PyPImarkupsafe3.0.3indirekt
PyPImdurl0.1.2indirekt
PyPImultidict6.7.1indirekt
PyPIopenai3.8.0indirekt
PyPIopenai-codex-cli-bin0.147.0indirekt
PyPIoscrypto1.3.0indirekt
PyPIpackaging26.0indirekt
PyPIpathspec1.1.1indirekt
PyPIpillow12.3.0indirekt
PyPIpluggy1.6.0indirekt
PyPIportalocker3.2.0indirekt
PyPIprompt-toolkit3.0.52indirekt
PyPIpropcache0.5.2indirekt
PyPIpsycopg-binary3.3.4indirekt
PyPIptyprocess0.7.0indirekt
PyPIpycparser3.0indirekt
PyPIpydantic-core2.46.4indirekt
PyPIpygments2.20.0indirekt
PyPIpyhanko0.35.1indirekt
PyPIpyhanko-certvalidator0.31.1indirekt
PyPIpyjwt2.13.0indirekt
PyPIpypdf6.14.2indirekt
PyPIpytest9.0.3indirekt
PyPIpytest-asyncio1.4.0indirekt
PyPIpytest-cov7.1.0indirekt
PyPIpython-bidi0.6.10indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpytz2026.2indirekt
PyPIpywin32312indirekt
PyPIpywinpty2.0.15indirekt
PyPIpyyaml6.0.3indirekt
PyPIreportlab4.5.1indirekt
PyPIrequests2.33.0indirekt
PyPIrich14.3.3indirekt
PyPIruamel-yaml0.18.17indirekt
PyPIruamel-yaml-clib0.2.15indirekt
PyPIshellingham1.5.4indirekt
PyPIsix1.17.0indirekt
PyPIslack-sdk3.42.0indirekt
PyPIsniffio1.3.1indirekt
PyPIsocksio1.0.0indirekt
PyPIsortedcontainers2.4.0indirekt
PyPIsoupsieve2.8.4indirekt
PyPIsqlalchemy2.0.50indirekt
PyPIstarlette1.3.1indirekt
PyPIsvglib2.0.2indirekt
PyPItenacity9.1.4indirekt
PyPItermcolor3.3.0indirekt
PyPItinycss21.5.1indirekt
PyPItruststore0.10.4indirekt
PyPItyper0.26.7indirekt
PyPItyping-extensions4.15.0indirekt
PyPItyping-inspection0.4.2indirekt
PyPItzdata2025.3indirekt
PyPIuritools6.1.2indirekt
PyPIurllib32.7.0indirekt
PyPIuvloop0.22.1indirekt
PyPIwatchfiles1.2.0indirekt
PyPIwcwidth0.7.0indirekt
PyPIwebencodings0.5.1indirekt
PyPIwebsockets15.0.1indirekt
PyPIyarl1.24.2indirekt
Abhängigkeits-Advisories 3

Dieses Repository veröffentlicht kein vom Index auflösbares Paket, daher wurde sein eigener Abhängigkeitsgraph bewertet – 128 Pakete, darunter auch Entwicklungs- und Test-Pins, die nie ausgeliefert werden: 3 tragen bekannte Advisories, davon 1 direkte.

PaketVersionBeziehungSchweregradAdvisoriesBehoben in
hermes-agent0.17.0indirekthoch60.18.0
pydantic-settings2.14.1direktmittel12.14.2
pypdf6.14.2indirektmittel126.16.1

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 mindsdb/cowork-server teilen. Nebeneinander lesen →

100mlco2/codecarbonTrack emissions from Compute and recommend ways to reduce their impact on the environment.Außergewöhnlich100aws/serverless-application-modelThe AWS Serverless Application Model (AWS SAM) transform is a AWS CloudFormation macro that transforms SAM templates into CloudFormation templates.Außergewöhnlich100open-telemetry/opentelemetry-pythonOpenTelemetry Python API and SDK Außergewöhnlich100deepset-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.Außergewöhnlich100Arize-ai/phoenixAI Observability & EvaluationAußergewöhnlich100matplotlib/matplotlibmatplotlib: plotting with PythonAußergewöhnlich

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.