Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-10 21:50 UTC

qdrant / fastembed

Fast, Accurate, Lightweight Python library to make State of the Art Embedding

Python · Jupyter NotebookApache-2.0★ 3.193 Sterne⑂ 246 Forksseit Juli 2023Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird
#embeddings#openai#rag#retrieval#retrieval-augmented-generation#vector-search

qdrant/fastembed erreicht einen Gesundheitsindex von 93 von 100 und liegt damit im Bereich Außergewöhnlich. Am stärksten schneidet es bei Engineering Quality (91/100) ab, am schwächsten bei AI Readiness (65/100). Zuletzt vor 1 Tag aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

93
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.

93
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 79 wird auf der veröffentlichten Indexskala auf 93 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

QdrantOrganisation · verifizierte Domain
1.808 Follower133 öffentliche Reposseit Okt. 2020

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIfastembed0.8.05.165.39644vor 171 Tagenvectorembeddingneuralsearchqdrantsentence-transformers

Metriken nach Kategorie

Vitalität

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

77Gut · 21 % des Gesamtindex

Entwicklungsaktivität

74Gut
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 1 Tagen
13.2/36Commit-Rhythmus — 19/52 Wochen mit Commits
14.9/18Commit-Volumen — 45 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 20 commit(s) and 2 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year45
human_commit_share0,9
days_since_last_push1
active_weeks_last_year19

Release-Disziplin

82Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 27 Releases veröffentlicht
27/36Release-Aktualität — letztes Release vor 171 Tagen
19.8/27Release-Rhythmus — ein Release etwa alle 55 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count27
latest_release_tagv0.8.0
releases_from_tagsnein
days_since_latest_release171
mean_days_between_releases55
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?

86Exzellent · 17 % des Gesamtindex

Popularität & Verbreitung

84Exzellent
Wie die Bewertung erfolgt
56.8/60Stars — 3.193 Stars
19.9/25Forks — 246 Forks
7.4/15Watcher — 22 Watcher
Verwendete Eingangsdaten
forks246
stars3.193
watchers22
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 (Apache-2.0)
18/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges0
has_contributingja
has_issue_templatenein
has_code_of_conductnein
readme_badge_services—
has_pull_request_templateja

Ökosystem-Verbreitung (Downloads)

100Außergewöhnlich
Wie die Bewertung erfolgt
80/80Downloads pro Monat — 5.165.396 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesfastembed
dependents—
ecosystemspypi
total_downloads—
monthly_downloads5.165.396
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?

75Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

42Schwach
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
9.6/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 57 % der Commits
13.5/13.5Breite der Beitragenden — 33 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 5 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor1
contributors_sampled33
top_contributor_share0,575

Reaktionsfähigkeit bei Issues & PRs

71Gut
Wie die Bewertung erfolgt
29.9/42Issue-Lösungsquote — 71 % der Issues geschlossen
23.4/30PR-Annahme — 288/370 entschiedene PRs gemergt
5.6/13Newcomer PR acceptance — 3/7 PRs von Erstbeitragenden in 30 Tagen gemergt
12/15OpenSSF Scorecard: Code-Review — Found 16/20 approved changesets -- score normalized to 8
Verwendete Eingangsdaten
merged_prs288
open_issues78
closed_issues193
prs_merged_7d3
prs_decided_7d5
prs_merged_30d7
prs_decided_30d11
issue_closed_ratio0,712
closed_unmerged_prs82
first_time_authors_30d6
first_time_prs_merged_30d3
first_time_prs_decided_30d7

Eigentümerschaft & Trägerschaft

98Außergewöhnlich
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
20/20Verifizierte Domain
23.4/25Reichweite des Inhabers — 1.808 Follower von qdrant
24.7/25Kontohistorie — 133 öffentliche Repos, Kontoalter ca. 5 Jahre
Verwendete Eingangsdaten
followers1.808
owner_typeOrganization
is_verifiedja
owner_loginqdrant
public_repos133
account_age_days2.144

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 171 Tagen
20/20Versionshistorie — 44 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesfastembed
ecosystemspypi
any_deprecatednein
min_days_since_publish171

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

91Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

92Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 4 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff])
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
18/20OpenSSF Scorecard: CI-Tests — 28 out of 29 merged PRs checked by a CI test -- score normalized to 9
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://qdrant.github.io/fastembed/
10/10Repository-Beschreibung
10/10Topics — 6 Topics
0/10Wiki
Verwendete Eingangsdaten
topicsembeddings, openai, rag, retrieval, retrieval-augmented-generation, vector-search
has_wikinein
homepagehttps://qdrant.github.io/fastembed/
docs_sitehttps://qdrant.github.io/fastembed/
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

70Gut · 16 % des Gesamtindex

Sicherheitslage

62Mittel
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — keine Daten
2.2/2.5CI-Tests — 28 out of 29 merged PRs checked by a CI test -- score normalized to 9
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
6/7.5Code-Review — Found 16/20 approved changesets -- score normalized to 8
2.5/2.5Contributors — project has 5 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 — 20 commit(s) and 2 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
1.5/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 3
4/5SAST — SAST tool is not run on all commits -- score normalized to 8
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_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate6,2
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Branch-Protection, 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_packages27
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:fastembed@0.8.0 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 27 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.

65Gut · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

40Schwach
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
40/40Lesbare Commit-Historie — 83 von 90 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,922
agent_instruction_files—
agent_instruction_max_bytes—

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

65Gut
Wie die Bewertung erfolgt
0/18Bootstrap mit einem Befehl
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff])
11/11Statische Typprüfung — fastembed/py.typed
10/10Reproduzierbare Umgebung — lockfile
0/10Belegte Agentenpraxis — keine von Agenten verfassten Commits unter den letzten 100
8/8Automatisierte Wartung — 10 der letzten 100 Commits sind automatisierte Abhängigkeits-Updates
3/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 3
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilespoetry.lock
has_dockerfilenein
typed_languagenein
bootstrap_files—
has_devcontainernein
has_linter_configja
typecheck_configsfastembed/py.typed
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0,1

AI-Code-Lesbarkeit für Modelle

82Exzellent
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Python mit Typprüfungs-Konfiguration (fastembed/py.typed)
55/55Handhabbare Dateigrößen — 0/84 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes21.350
source_files_sampled84
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, notebooks
Verwendete Eingangsdaten
example_dirsexamples, notebooks
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

3.193GitHub-Sterne
33Mitwirkende
45Commits, letzte 12 Monate
1Tage seit letztem Push
27Releases
1Bus-Faktor
78offene 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 ★ / 246 ⇿
0Sterne
246Forks
27Releases

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.

05010015020025024152023-092025-032026-09
Major 0Minor 8Patch 19

Jeder Punkt umfasst 3 Tage.

OpenSSF Scorecard 6.2 / 10
6.2Gesamtwert

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 · 2026-09-10 21:49 UTC

10Binary-Artifactsno binaries found in the repo
k. A.Branch-Protectioninternal error: error during branchesHandler.setup: internal error: some github tokens can't read classic branch protection rules: https://github.com/ossf/scorecard-action/blob/main/docs/authentication/fine-grained-auth-token.md
9CI-Tests28 out of 29 merged PRs checked by a CI test -- score normalized to 9
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
8Code-ReviewFound 16/20 approved changesets -- score normalized to 8
10Contributorsproject has 5 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained20 commit(s) and 2 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
3Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 3
8SASTSAST tool is not run on all commits -- score normalized to 8
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 10
RegistryPaketVersionsvorgabeManifest
PyPInumpy—pyproject.toml
PyPIonnxruntime—pyproject.toml
PyPItqdm^4.66pyproject.toml
PyPIrequests^2.31pyproject.toml
PyPItokenizers>=0.15,<1.0pyproject.toml
PyPIhuggingface-hub>=0.20,<2.0pyproject.toml
PyPIloguru^0.7.2pyproject.toml
PyPIpillow—pyproject.toml
PyPImmh3>=4.1.0,<6.0.0pyproject.toml
PyPIpy-rust-stemmers^0.1.0pyproject.toml
Alle Abhängigkeiten 165

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 10 direkte und 155 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIhuggingface-hub1.5.0direkt
PyPIloguru0.7.2direkt
PyPImmh35.2.0direkt
PyPInumpy2.2.6direkt
PyPIonnxruntime1.23.2direkt
PyPIpillow12.3.0direkt
PyPIpy-rust-stemmers0.1.5direkt
PyPIrequests2.34.2direkt
PyPItokenizers0.22.2direkt
PyPItqdm4.67.3direkt
PyPIannotated-doc0.0.4indirekt
PyPIanyio4.12.1indirekt
PyPIappnope0.1.4indirekt
PyPIargon2-cffi25.1.0indirekt
PyPIargon2-cffi-bindings25.1.0indirekt
PyPIarrow1.4.0indirekt
PyPIast-serialize0.8.0indirekt
PyPIasttokens3.0.1indirekt
PyPIasync-lru2.2.0indirekt
PyPIattrs25.4.0indirekt
PyPIbabel2.18.0indirekt
PyPIbackrefs6.2indirekt
PyPIbeautifulsoup44.14.3indirekt
PyPIbleach6.4.0indirekt
PyPIcairocffi1.7.1indirekt
PyPIcairosvg2.8.2indirekt
PyPIcertifi2026.2.25indirekt
PyPIcffi2.0.0indirekt
PyPIcfgv3.5.0indirekt
PyPIcharset-normalizer3.4.4indirekt
PyPIclick8.3.1indirekt
PyPIcolorama0.4.6indirekt
PyPIcoloredlogs15.0.1indirekt
PyPIcomm0.2.3indirekt
PyPIcssselect20.9.0indirekt
PyPIdebugpy1.8.20indirekt
PyPIdecorator5.2.1indirekt
PyPIdefusedxml0.7.1indirekt
PyPIdistlib0.4.0indirekt
PyPIexceptiongroup1.3.1indirekt
PyPIexecuting2.2.1indirekt
PyPIfastjsonschema2.21.2indirekt
PyPIfilelock3.25.0indirekt
PyPIflatbuffers25.12.19indirekt
PyPIfqdn1.4.0indirekt
PyPIfsspec2026.2.0indirekt
PyPIghp-import2.1.0indirekt
PyPIgitdb4.0.12indirekt
PyPIgitpython3.1.58indirekt
PyPIh110.16.0indirekt
PyPIhf-xet1.3.2indirekt
PyPIhttpcore1.0.9indirekt
PyPIhttpx0.28.1indirekt
PyPIhumanfriendly10.0indirekt
PyPIidentify2.6.17indirekt
PyPIidna3.15indirekt
PyPIiniconfig2.3.0indirekt
PyPIipykernel7.2.0indirekt
PyPIipython8.38.0indirekt
PyPIipython-pygments-lexers1.1.1indirekt
PyPIisoduration20.11.0indirekt
PyPIjedi0.19.2indirekt
PyPIjinja23.1.6indirekt
PyPIjson50.13.0indirekt
PyPIjsonpointer3.0.0indirekt
PyPIjsonschema4.26.0indirekt
PyPIjsonschema-specifications2025.9.1indirekt
PyPIjupyter-client8.8.0indirekt
PyPIjupyter-core5.9.1indirekt
PyPIjupyter-events0.12.0indirekt
PyPIjupyter-lsp2.3.0indirekt
PyPIjupyter-server2.20.0indirekt
PyPIjupyter-server-terminals0.5.4indirekt
PyPIjupyterlab4.5.10indirekt
PyPIjupyterlab-pygments0.3.0indirekt
PyPIjupyterlab-server2.28.0indirekt
PyPIlark1.3.1indirekt
PyPIlibrt0.15.0indirekt
PyPImarkdown3.10.2indirekt
PyPImarkdown-it-py4.0.0indirekt
PyPImarkupsafe3.0.3indirekt
PyPImatplotlib-inline0.2.1indirekt
PyPImdurl0.1.2indirekt
PyPImergedeep1.3.4indirekt
PyPImistune3.3.0indirekt
PyPImkdocs1.6.1indirekt
PyPImkdocs-autorefs1.4.4indirekt
PyPImkdocs-get-deps0.2.0indirekt
PyPImkdocs-material9.7.4indirekt
PyPImkdocs-material-extensions1.3.1indirekt
PyPImkdocstrings1.0.6indirekt
PyPImknotebooks0.8.0indirekt
PyPIml-dtypes0.5.4indirekt
PyPImpmath1.3.0indirekt
PyPImypy2.3.0indirekt
PyPImypy-extensions1.1.0indirekt
PyPInbclient0.10.4indirekt
PyPInbconvert7.17.1indirekt
PyPInbformat5.10.4indirekt
PyPInest-asyncio1.6.0indirekt
PyPInodeenv1.10.0indirekt
PyPInotebook7.5.6indirekt
PyPInotebook-shim0.2.4indirekt
PyPIonnx1.22.0indirekt
PyPIoverrides7.7.0indirekt
PyPIpackaging26.0indirekt
PyPIpaginate0.5.7indirekt
PyPIpandocfilters1.5.1indirekt
PyPIparso0.8.6indirekt
PyPIpathspec1.0.4indirekt
PyPIpexpect4.9.0indirekt
PyPIplatformdirs4.9.2indirekt
PyPIpluggy1.6.0indirekt
PyPIpre-commit4.6.1indirekt
PyPIprometheus-client0.24.1indirekt
PyPIprompt-toolkit3.0.52indirekt
PyPIprotobuf7.34.0indirekt
PyPIpsutil7.2.2indirekt
PyPIptyprocess0.7.0indirekt
PyPIpure-eval0.2.3indirekt
PyPIpycparser3.0indirekt
PyPIpygments2.19.2indirekt
PyPIpymdown-extensions11.0.1indirekt
PyPIpyreadline33.5.4indirekt
PyPIpyright1.1.408indirekt
PyPIpytest9.1.1indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-discovery1.1.0indirekt
PyPIpython-json-logger4.0.0indirekt
PyPIpywinpty3.0.3indirekt
PyPIpyyaml6.0.3indirekt
PyPIpyyaml-env-tag1.1indirekt
PyPIpyzmq27.1.0indirekt
PyPIreferencing0.37.0indirekt
PyPIrfc3339-validator0.1.4indirekt
PyPIrfc3986-validator0.1.1indirekt
PyPIrfc3987-syntax1.1.0indirekt
PyPIrich14.3.3indirekt
PyPIrpds-py0.30.0indirekt
PyPIruff0.15.4indirekt
PyPIsend2trash2.1.0indirekt
PyPIsetuptools83.0.0indirekt
PyPIshellingham1.5.4indirekt
PyPIsix1.17.0indirekt
PyPIsmmap5.0.2indirekt
PyPIsoupsieve2.8.4indirekt
PyPIstack-data0.6.3indirekt
PyPIsympy1.14.0indirekt
PyPIterminado0.18.1indirekt
PyPItinycss21.4.0indirekt
PyPItomli2.4.0indirekt
PyPItornado6.5.8indirekt
PyPItraitlets5.14.3indirekt
PyPItyper0.24.1indirekt
PyPItyping-extensions4.15.0indirekt
PyPItzdata2025.3indirekt
PyPIuri-template1.3.0indirekt
PyPIurllib32.7.0indirekt
PyPIvirtualenv21.1.0indirekt
PyPIwatchdog6.0.0indirekt
PyPIwcwidth0.6.0indirekt
PyPIwebcolors25.10.0indirekt
PyPIwebencodings0.5.1indirekt
PyPIwebsocket-client1.9.0indirekt
PyPIwin32-setctime1.2.0indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:fastembed@0.8.0 zieht 27 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 qdrant/fastembed teilen. Nebeneinander lesen →

92infino-ai/infinoEmbedded retrieval library built on Parquet. Fast, efficient, and scalable.Exzellent97redis/redis-vl-pythonRedis Vector Library (RedisVL) -- the AI-native Python client for Redis.Außergewöhnlich94qdrant/qdrant-clientPython client for Qdrant vector search engineAußergewöhnlich93neuml/txtai💡 All-in-one AI framework for semantic search, LLM orchestration and language model workflowsAußergewöhnlich94Tencent/WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.Außergewöhnlich94infiniflow/infinityThe AI-native database built for LLM applications, providing incredibly fast hybrid search of dense vector, sparse vector, tensor (multi-vector), and full-text.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.