Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-15 23:33 UTC

vndee / llm-sandbox

Lightweight and portable LLM sandbox runtime (code interpreter) Python library.

PythonMIT★ 1.120 Sterne⑂ 106 Forksseit Juni 2024Auf GitHub ansehen ↗
ArtBibliothekKommandozeilenwerkzeugwie das ermittelt wird
#code-generation#code-interpreter#large-language-models#llm-sandbox

vndee/llm-sandbox erreicht einen Gesundheitsindex von 95 von 100 und liegt damit im Bereich Außergewöhnlich. Am stärksten schneidet es bei Engineering Quality (94/100) ab, am schwächsten bei Sustainability & Governance (66/100). Zuletzt vor 1 Tag aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

95
gesamt / 100
Außergewöhnlich

Software-Gesundheitsindex

Metriken werden auf einer standardisierten Skala von 1–100 in gewichtete Kategorien gruppiert. Der Gesamtwert beginnt als ihr gewichtetes Mittel, kalibriert auf die Verteilung des öffentlichen Registers, sodass die Stufen Perzentilbedeutung tragen; sobald öffentliche Evidenz die Richtlinie für Hochrisikojurisdiktionen auslöst, wird die Bewertung angepasst und erhält die Obergrenze Gefährdet von 34.

95
Außergewöhnlich93-100Die Spitzengruppe des Registers (≈ obere 5 %); erfüllt im Wesentlichen alle geprüften Kriterien
Exzellent80-92Durchgehend stark; geringfügige Lücken
Gut65-79Gesund; Lücken sind begrenzt und beherrschbar
Mittel50-64Akzeptabel mit deutlichen Lücken; Überprüfung empfohlen
Schwach35-49Wesentliche Schwächen in mehreren Bereichen
Gefährdet20-34Erhebliche Schwächen; eine Übernahme erfordert Vorsicht
Kritisch1-19Schwerwiegende Probleme (aufgegeben, nur ein Maintainer, keine Hygiene)
VitalitätCommunity &VerbreitungNachhaltigkeit &GovernanceEngineering-QualitätSicherheitAI Readiness

Bewertungsprofil

Jede Achse ist eine Kategorie. Die Form zählt mehr als der Durchschnitt — ein gesundes Projekt füllt die gesamte Fläche, während ein Profil aus Spitzen und Kratern bedeutet, dass Stärke in einer Dimension Risiken in einer anderen verdeckt.

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

Eigentümerschaft

Duy HuynhPersönliches Konto
177 Follower142 öffentliche Reposseit Mai 2017Looking for the next cool idea

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIllm-sandbox0.3.44621.64161vor 43 Tagenpython

Metriken nach Kategorie

Vitalität

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

89Exzellent · 21 % des Gesamtindex

Entwicklungsaktivität

82Exzellent
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 1 Tagen
18/36Commit-Rhythmus — 26/52 Wochen mit Commits
18/18Commit-Volumen — 281 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_year281
human_commit_share0,72
days_since_last_push1
active_weeks_last_year26

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 45 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 43 Tagen
27/27Release-Rhythmus — ein Release etwa alle 18,9 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count45
latest_release_tag0.3.44
releases_from_tagsnein
days_since_latest_release43
mean_days_between_releases18,9
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?

81Exzellent · 17 % des Gesamtindex

Popularität & Verbreitung

68Gut
Wie die Bewertung erfolgt
49.5/60Stars — 1.120 Stars
16.8/25Forks — 106 Forks
1.7/15Watcher — 3 Watcher
Verwendete Eingangsdaten
forks106
stars1.120
watchers3
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

85Exzellent
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (MIT)
18/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges5
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_servicescodecov.io, shields.io, sonarcloud.io
has_pull_request_templatenein

Ökosystem-Verbreitung (Downloads)

96Außergewöhnlich
Wie die Bewertung erfolgt
77.2/80Downloads pro Monat — 621.641 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesllm-sandbox
dependents—
ecosystemspypi
total_downloads—
monthly_downloads621.641
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?

66Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

35Schwach
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
2.7/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 88 % der Commits
13.5/13.5Breite der Beitragenden — 20 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 12 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor1
contributors_sampled20
top_contributor_share0,881

Reaktionsfähigkeit bei Issues & PRs

80Exzellent
Wie die Bewertung erfolgt
30.3/42Issue-Lösungsquote — 72 % der Issues geschlossen
26.3/30PR-Annahme — 121/138 entschiedene PRs gemergt
13/13Newcomer PR acceptance — 2/2 PRs von Erstbeitragenden in 30 Tagen gemergt
10.5/15OpenSSF Scorecard: Code-Review — Found 5/7 approved changesets -- score normalized to 7
Verwendete Eingangsdaten
merged_prs121
open_issues19
closed_issues49
prs_merged_7d2
prs_decided_7d2
prs_merged_30d4
prs_decided_30d4
issue_closed_ratio0,721
closed_unmerged_prs17
first_time_authors_30d1
first_time_prs_merged_30d2
first_time_prs_decided_30d2

Eigentümerschaft & Trägerschaft

64Mittel
Wie die Bewertung erfolgt
10/30Organisatorische Trägerschaft — persönliches (Nutzer-)Konto
0/20Verifizierte Domain — für Nutzerkonten nicht anwendbar
16.2/25Reichweite des Inhabers — 177 Follower von vndee
25/25Kontohistorie — 142 öffentliche Repos, Kontoalter ca. 9 Jahre
Verwendete Eingangsdaten
followers177
owner_typeUser
is_verified—
owner_loginvndee
public_repos142
account_age_days3.424
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 43 Tagen
20/20Versionshistorie — 61 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesllm-sandbox
ecosystemspypi
any_deprecatednein
min_days_since_publish43

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

94Außergewöhnlich · 19 % des Gesamtindex

Engineering-Praktiken

90Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 8 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff]), tox.ini
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
16/20OpenSSF Scorecard: CI-Tests — 11 out of 13 merged PRs checked by a CI test -- score normalized to 8
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://vndee.github.io/llm-sandbox/
10/10Repository-Beschreibung
10/10Topics — 4 Topics
10/10Wiki
Verwendete Eingangsdaten
topicscode-generation, code-interpreter, large-language-models, llm-sandbox
has_wikija
homepagehttps://vndee.github.io/llm-sandbox/
docs_sitehttps://vndee.github.io/llm-sandbox/
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

81Exzellent · 16 % des Gesamtindex

Sicherheitslage

76Gut
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
2.2/7.5Branch-Protection — branch protection is not maximal on development and all release branches
2/2.5CI-Tests — 11 out of 13 merged PRs checked by a CI test -- score normalized to 8
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
5.2/7.5Code-Review — Found 5/7 approved changesets -- score normalized to 7
2.5/2.5Contributors — project has 12 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
5/5SAST — SAST tool is run on all commits
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — keine Daten
6/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
6/7.5Vulnerabilities — 2 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate7,6
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
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_packages5
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:llm-sandbox@0.3.44 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 5 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.

79Gut · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

85Exzellent
Wie die Bewertung erfolgt
45/45Agentenanweisungen — .github/copilot-instructions.md, CLAUDE.md
0/15Maschinenlesbare Doku (llms.txt)
40/40Lesbare Commit-Historie — 70 von 72 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,972
agent_instruction_files.github/copilot-instructions.md, CLAUDE.md
agent_instruction_max_bytes11.367

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

75Gut
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff]), tox.ini
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — lockfile
6/10Belegte Agentenpraxis — 3 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
8/8Automatisierte Wartung — 27 der letzten 100 Commits sind automatisierte Abhängigkeits-Updates
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_configs—
agent_commit_share0,03
toolchain_manifests—
dependency_bot_commit_share0,27

AI-Code-Lesbarkeit für Modelle

54Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
54.2/55Handhabbare Dateigrößen — 2/144 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes105.061
source_files_sampled144
oversized_source_files2

Maschinenlesbare AI-Schnittstellen

100Außergewöhnlich
Wie die Bewertung erfolgt
0/40API-Schema (OpenAPI/GraphQL/proto) — für diese Art von Software nicht anwendbar
20/20MCP-Server
40/40Lauffähige Beispiele — examples
Verwendete Eingangsdaten
example_dirsexamples
has_mcp_signalja
api_schema_files—
interfaces_expected_of—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): API-Schema (OpenAPI/GraphQL/proto). Die verbleibenden Gewichte wurden renormalisiert.

Eckdaten

1.120GitHub-Sterne
20Mitwirkende
281Commits, letzte 12 Monate
1Tage seit letztem Push
45Releases
1Bus-Faktor
19offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • pypi download statistics for 'llm-sandbox' unavailable this scan (stats endpoint failed after retries); adoption may be under-evidenced
  • pypi download figures for llm-sandbox carried forward from the previous scan (stats endpoint unavailable this scan)

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 106 ⇿
0Sterne
106Forks
45Releases

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.

02040608010012010672024-072025-082026-09
Major 0Minor 1Patch 44

Jeder Punkt umfasst 2 Tage.

OpenSSF Scorecard 7.6 / 10
7.6Gesamtwert

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 · 2026-09-15 23:32 UTC

10Binary-Artifactsno binaries found in the repo
3Branch-Protectionbranch protection is not maximal on development and all release branches
8CI-Tests11 out of 13 merged PRs checked by a CI test -- score normalized to 8
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
7Code-ReviewFound 5/7 approved changesets -- score normalized to 7
10Contributorsproject has 12 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
10SASTSAST tool is run on all commits
10Security-Policysecurity policy file detected
k. A.Signed-Releasesno releases found
8Token-Permissionsdetected GitHub workflow tokens with excessive permissions
8Vulnerabilities2 existing vulnerabilities detected
Direkte Abhängigkeiten 1
RegistryPaketVersionsvorgabeManifest
PyPIpydantic>=2.11.5pyproject.toml
Alle Abhängigkeiten 172

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 2 direkte und 170 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIpydantic2.11.5direkt
PyPIpydantic2.13.4direkt
PyPIaiohappyeyeballs2.6.1indirekt
PyPIaiohttp3.14.3indirekt
PyPIaiosignal1.4.0indirekt
PyPIaiosqlite0.21.0indirekt
PyPIannotated-types0.7.0indirekt
PyPIanyio4.9.0indirekt
PyPIasync-timeout4.0.3indirekt
PyPIattrs25.3.0indirekt
PyPIbabel2.17.0indirekt
PyPIbackrefs5.8indirekt
PyPIbanks2.4.5indirekt
PyPIcachetools5.5.2indirekt
PyPIcertifi2025.4.26indirekt
PyPIcffi2.1.0indirekt
PyPIcfgv3.4.0indirekt
PyPIchardet5.2.0indirekt
PyPIcharset-normalizer3.4.2indirekt
PyPIclick8.2.1indirekt
PyPIcolorama0.4.6indirekt
PyPIcoverage7.8.2indirekt
PyPIcryptography50.0.0indirekt
PyPIcsscompressor0.9.5indirekt
PyPIdataclasses-json0.6.7indirekt
PyPIdefusedxml0.7.1indirekt
PyPIdeprecated1.2.18indirekt
PyPIdeptry0.23.0indirekt
PyPIdirtyjson1.0.8indirekt
PyPIdistlib0.3.9indirekt
PyPIdistro1.9.0indirekt
PyPIdocker7.1.0indirekt
PyPIdurationpy0.10indirekt
PyPIexceptiongroup1.3.0indirekt
PyPIfilelock3.32.2indirekt
PyPIfiletype1.2.0indirekt
PyPIfrozenlist1.6.0indirekt
PyPIfsspec2025.5.1indirekt
PyPIghp-import2.1.0indirekt
PyPIgitdb4.0.12indirekt
PyPIgitpython3.1.59indirekt
PyPIgoogle-auth2.40.2indirekt
PyPIgreenlet3.2.2indirekt
PyPIgriffe1.7.3indirekt
PyPIh110.16.0indirekt
PyPIhtmlmin20.1.13indirekt
PyPIhttpcore1.0.9indirekt
PyPIhttpx0.28.1indirekt
PyPIhttpx-sse0.4.1indirekt
PyPIidentify2.6.12indirekt
PyPIidna3.15indirekt
PyPIiniconfig2.1.0indirekt
PyPIjinja23.1.6indirekt
PyPIjiter0.10.0indirekt
PyPIjoblib1.5.1indirekt
PyPIjsmin3.0.1indirekt
PyPIjsonpatch1.33indirekt
PyPIjsonpointer3.0.0indirekt
PyPIjsonschema4.24.0indirekt
PyPIjsonschema-specifications2025.4.1indirekt
PyPIkubernetes32.0.1indirekt
PyPIlangchain1.3.9indirekt
PyPIlangchain-core1.5.3indirekt
PyPIlangchain-openai1.2.1indirekt
PyPIlangchain-protocol0.0.18indirekt
PyPIlanggraph1.2.10indirekt
PyPIlanggraph-checkpoint4.1.1indirekt
PyPIlanggraph-prebuilt1.1.0indirekt
PyPIlanggraph-sdk0.4.2indirekt
PyPIlangsmith0.10.15indirekt
PyPIllama-index0.14.23indirekt
PyPIllama-index-core0.14.23indirekt
PyPIllama-index-embeddings-openai0.6.0indirekt
PyPIllama-index-instrumentation0.5.0indirekt
PyPIllama-index-llms-openai0.7.10indirekt
PyPIllama-index-workflows2.22.2indirekt
PyPIllm-sandbox0.3.13indirekt
PyPImarkdown3.8.1indirekt
PyPImarkupsafe3.0.2indirekt
PyPImarshmallow3.26.2indirekt
PyPImcp1.29.0indirekt
PyPImergedeep1.3.4indirekt
PyPImkdocs1.6.1indirekt
PyPImkdocs-autorefs1.4.2indirekt
PyPImkdocs-get-deps0.2.0indirekt
PyPImkdocs-git-revision-date-localized-plugin1.4.6indirekt
PyPImkdocs-material9.7.7indirekt
PyPImkdocs-material-extensions1.3.1indirekt
PyPImkdocs-minify-plugin0.8.0indirekt
PyPImkdocstrings0.29.1indirekt
PyPImkdocstrings-python1.16.11indirekt
PyPImultidict6.4.4indirekt
PyPImypy1.15.0indirekt
PyPImypy-extensions1.1.0indirekt
PyPInest-asyncio1.6.0indirekt
PyPInetworkx3.4.2indirekt
PyPInltk3.10.3indirekt
PyPInodeenv1.9.1indirekt
PyPInumpy2.2.6indirekt
PyPIoauthlib3.2.2indirekt
PyPIopenai2.28.0indirekt
PyPIorjson3.11.9indirekt
PyPIormsgpack1.12.2indirekt
PyPIpackaging24.2indirekt
PyPIpaginate0.5.7indirekt
PyPIpathspec0.12.1indirekt
PyPIpillow12.3.0indirekt
PyPIplatformdirs4.3.8indirekt
PyPIpluggy1.6.0indirekt
PyPIpodman5.4.0.1indirekt
PyPIpre-commit4.2.0indirekt
PyPIpropcache0.3.1indirekt
PyPIpyasn10.6.4indirekt
PyPIpyasn1-modules0.4.2indirekt
PyPIpycparser2.22indirekt
PyPIpydantic-core2.33.2indirekt
PyPIpydantic-core2.46.4indirekt
PyPIpydantic-settings2.10.1indirekt
PyPIpygments2.20.0indirekt
PyPIpyjwt2.13.0indirekt
PyPIpymdown-extensions11.0.1indirekt
PyPIpyproject-api1.9.0indirekt
PyPIpytest9.0.3indirekt
PyPIpytest-cov6.1.1indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-dotenv1.2.2indirekt
PyPIpython-multipart0.0.31indirekt
PyPIpytz2025.2indirekt
PyPIpywin32310indirekt
PyPIpywin32312indirekt
PyPIpyyaml6.0.2indirekt
PyPIpyyaml-env-tag1.1indirekt
PyPIreferencing0.36.2indirekt
PyPIregex2024.11.6indirekt
PyPIrequests2.33.0indirekt
PyPIrequests-oauthlib2.0.0indirekt
PyPIrequests-toolbelt1.0.0indirekt
PyPIrequirements-parser0.13.0indirekt
PyPIrpds-py0.25.1indirekt
PyPIrsa4.9.1indirekt
PyPIruff0.11.11indirekt
PyPIsetuptools83.0.0indirekt
PyPIsix1.17.0indirekt
PyPIsmmap5.0.2indirekt
PyPIsniffio1.3.1indirekt
PyPIsqlalchemy2.0.41indirekt
PyPIsse-starlette2.3.6indirekt
PyPIstarlette1.3.1indirekt
PyPItenacity9.1.2indirekt
PyPItiktoken0.9.0indirekt
PyPItinytag2.3.0indirekt
PyPItomli2.2.1indirekt
PyPItox4.26.0indirekt
PyPItox-uv1.25.0indirekt
PyPItqdm4.67.1indirekt
PyPItyping-extensions4.13.2indirekt
PyPItyping-extensions4.16.0indirekt
PyPItyping-inspect0.9.0indirekt
PyPItyping-inspection0.4.1indirekt
PyPItyping-inspection0.4.2indirekt
PyPIurllib32.7.0indirekt
PyPIuuid-utils0.17.0indirekt
PyPIuv0.11.15indirekt
PyPIuvicorn0.34.3indirekt
PyPIvirtualenv20.36.1indirekt
PyPIwatchdog6.0.0indirekt
PyPIwebsocket-client1.8.0indirekt
PyPIwebsockets15.0.1indirekt
PyPIwrapt1.17.2indirekt
PyPIxxhash3.5.0indirekt
PyPIyarl1.20.0indirekt
PyPIzstandard0.23.0indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:llm-sandbox@0.3.44 zieht 5 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 vndee/llm-sandbox teilen. Nebeneinander lesen →

100deepset-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.Außergewöhnlich99ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Außergewöhnlich97NVIDIA-NeMo/CuratorScalable data pre processing and curation toolkit for LLMsAußergewöhnlich97redis/redis-vl-pythonRedis Vector Library (RedisVL) -- the AI-native Python client for Redis.Außergewöhnlich100numpy/numpyThe fundamental package for scientific computing with Python.Außergewöhnlich100apache/airflowApache Airflow - A platform to programmatically author, schedule, and monitor workflowsAußergewöhnlich

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.