Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-15 18:58 UTC

yifanfeng97 / Hyper-Extract

Hypergraph is more powerful. Transform unstructured text into structured knowledge with LLMs. Graphs, hypergraphs, and spatio-temporal extractions — with one command.

PythonEigene Lizenz★ 3.937 Sterne⑂ 450 Forksseit Jan. 2026Auf GitHub ansehen ↗
ArtKommandozeilenwerkzeugBibliothekwie das ermittelt wird
#ai#cli#hypergraph#information-extraction#knowledge#knowledge-graph#llm#python#rag#ai-agents

yifanfeng97/Hyper-Extract erreicht einen Gesundheitsindex von 89 von 100 und liegt damit im Bereich Exzellent. Am stärksten schneidet es bei Vitality (92/100) ab, am schwächsten bei AI Readiness (57/100). Zuletzt heute aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

89
gesamt / 100
Exzellent

Software-Gesundheitsindex

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

89
Außergewöhnlich93-100Die Spitzengruppe des Registers (≈ obere 5 %); erfüllt im Wesentlichen alle geprüften Kriterien
Exzellent80-92Durchgehend stark; geringfügige Lücken
Gut65-79Gesund; Lücken sind begrenzt und beherrschbar
Mittel50-64Akzeptabel mit deutlichen Lücken; Überprüfung empfohlen
Schwach35-49Wesentliche Schwächen in mehreren Bereichen
Gefährdet20-34Erhebliche Schwächen; eine Übernahme erfordert Vorsicht
Kritisch1-19Schwerwiegende Probleme (aufgegeben, nur ein Maintainer, keine Hygiene)
VitalitätCommunity &VerbreitungNachhaltigkeit &GovernanceEngineering-QualitätSicherheitAI Readiness

Bewertungsprofil

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

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

Eigentümerschaft

Yifan FengPersönliches Konto
315 Follower49 öffentliche Reposseit Okt. 2015Tsinghua Unviersity

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIhyperextract0.10.13.84317vor 1 Tagfaissknowledge-extractionlangchainllmnlppydanticragsemantic-search

Metriken nach Kategorie

Vitalität

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

92Exzellent · 21 % des Gesamtindex

Entwicklungsaktivität

87Exzellent
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
22.8/36Commit-Rhythmus — 33/52 Wochen mit Commits
18/18Commit-Volumen — 505 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 3 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year505
human_commit_share1
days_since_last_push0
active_weeks_last_year33

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 16 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 1 Tagen
27/27Release-Rhythmus — ein Release etwa alle 1,4 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count16
latest_release_tagv0.10.1
releases_from_tagsnein
days_since_latest_release1
mean_days_between_releases1,4
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?

66Gut · 17 % des Gesamtindex

Popularität & Verbreitung

88Exzellent
Wie die Bewertung erfolgt
58.3/60Stars — 3.937 Stars
22.1/25Forks — 450 Forks
7.2/15Watcher — 21 Watcher
Verwendete Eingangsdaten
forks450
stars3.937
watchers21
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

44Schwach
Wie die Bewertung erfolgt
22.5/22.5README
16.9/22.5Lizenz — Lizenzdatei vorhanden, keine anerkannte Lizenz
0/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges5
has_contributingnein
has_issue_templatenein
has_code_of_conductnein
readme_badge_servicesshields.io
has_pull_request_templatenein

Ökosystem-Verbreitung (Downloads)

60Mittel
Wie die Bewertung erfolgt
47.8/80Downloads pro Monat — 3.843 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packageshyperextract
dependents—
ecosystemspypi
total_downloads—
monthly_downloads3.843
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?

72Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

38Schwach
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
6/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 73 % der Commits
13.5/13.5Breite der Beitragenden — 12 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 4 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor1
contributors_sampled12
top_contributor_share0,734

Reaktionsfähigkeit bei Issues & PRs

95Außergewöhnlich
Wie die Bewertung erfolgt
42/42Issue-Lösungsquote — 100 % der Issues geschlossen
27.6/30PR-Annahme — 103/112 entschiedene PRs gemergt
12.3/13Newcomer PR acceptance — 50/53 PRs von Erstbeitragenden in 30 Tagen gemergt
13.5/15OpenSSF Scorecard: Code-Review — Found 14/15 approved changesets -- score normalized to 9
Verwendete Eingangsdaten
merged_prs103
open_issues0
closed_issues60
prs_merged_7d41
prs_decided_7d44
prs_merged_30d56
prs_decided_30d59
issue_closed_ratio1
closed_unmerged_prs9
first_time_authors_30d2
first_time_prs_merged_30d50
first_time_prs_decided_30d53

Eigentümerschaft & Trägerschaft

66Gut
Wie die Bewertung erfolgt
10/30Organisatorische Trägerschaft — persönliches (Nutzer-)Konto
0/20Verifizierte Domain — für Nutzerkonten nicht anwendbar
18/25Reichweite des Inhabers — 315 Follower von yifanfeng97
24.4/25Kontohistorie — 49 öffentliche Repos, Kontoalter ca. 10 Jahre
Verwendete Eingangsdaten
followers315
owner_typeUser
is_verified—
owner_loginyifanfeng97
public_repos49
account_age_days3.996
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 1 Tagen
20/20Versionshistorie — 17 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packageshyperextract
ecosystemspypi
any_deprecatednein
min_days_since_publish1

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

86Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

76Gut
Wie die Bewertung erfolgt
24/24CI-Workflows — 5 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff])
0/9.6Pre-Commit-Hooks
0/6.4.editorconfig
12/20OpenSSF Scorecard: CI-Tests — 9 out of 14 merged PRs checked by a CI test -- score normalized to 6
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_confignein

Dokumentation

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://yifanfeng97.github.io/Hyper-Extract/
10/10Repository-Beschreibung
10/10Topics — 10 Topics
10/10Wiki
Verwendete Eingangsdaten
topicsai, cli, hypergraph, information-extraction, knowledge, knowledge-graph, llm, python, rag, ai-agents
has_wikija
homepagehttps://yifanfeng97.github.io/Hyper-Extract/
docs_sitehttps://yifanfeng97.github.io/Hyper-Extract/
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

59Mittel · 16 % des Gesamtindex

Sicherheitslage

59Mittel
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — branch protection not enabled on development/release branches
1.5/2.5CI-Tests — 9 out of 14 merged PRs checked by a CI test -- score normalized to 6
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
6.8/7.5Code-Review — Found 14/15 approved changesets -- score normalized to 9
2.5/2.5Contributors — project has 4 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
2.2/2.5Lizenz — license file detected
7.5/7.5Maintained — 30 commit(s) and 3 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
7.5/7.5Token-Permissions — GitHub workflow tokens follow principle of least privilege
0/7.5Vulnerabilities — 69 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate5,9
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Abhängigkeits-Advisories

57Mittel
Wie die Bewertung erfolgt
13.6/35Direkte Abhängigkeiten ohne bekannte Advisories — 3 betroffen: langchain 1.2.6 (moderate 5.5), python-dotenv 1.2.1 (moderate 6.6), langchain-openai 1.1.7 (low 3.1)
0/25Indirekte Abhängigkeiten ohne bekannte Advisories — transitive Menge in diesem Bereich nicht von Entwicklungs- und Test-Abhängigkeiten trennbar
29/40Keine offenen Advisories — 3 Paket(e) mit Advisory seit über 90 Tagen unbehandelt; ältestes vor 151 Tagen veröffentlicht
Verwendete Eingangsdaten
sourceosv
advisories137
affected_packages26
assessed_packages176
unassessed_packages0
affected_by_severitycritical 2, high 10, moderate 12, low 2
direct_affected_packages3
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Indirekte Abhängigkeiten ohne bekannte Advisories. Die verbleibenden Gewichte wurden renormalisiert. 176 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

40Schwach
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
40/40Lesbare Commit-Historie — 98 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,98
agent_instruction_files—
agent_instruction_max_bytes—

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

54Mittel
Wie die Bewertung erfolgt
0/18Bootstrap mit einem Befehl
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff])
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — lockfile
6/10Belegte Agentenpraxis — 3 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
5/8Automatisierte Wartung — Abhängigkeits-Automatisierung konfiguriert, in den erfassten Commits nicht beobachtet
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilesuv.lock
has_dockerfilenein
typed_languagenein
bootstrap_files—
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share0,03
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

55Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
54.7/55Handhabbare Dateigrößen — 1/203 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes67.228
source_files_sampled203
oversized_source_files1

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

3.937GitHub-Sterne
12Mitwirkende
505Commits, letzte 12 Monate
0Tage seit letztem Push
16Releases
1Bus-Faktor
0offene 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:hyperextract@0.10.1; advisories assessed against the repository dependency graph instead

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 450 ⇿
0Sterne
450Forks
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.

0100200300400500449382026-042026-062026-09
Major 0Minor 8Patch 5
OpenSSF Scorecard 5.9 / 10
5.9Gesamtwert

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 18:58 UTC

10Binary-Artifactsno binaries found in the repo
0Branch-Protectionbranch protection not enabled on development/release branches
6CI-Tests9 out of 14 merged PRs checked by a CI test -- score normalized to 6
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
9Code-ReviewFound 14/15 approved changesets -- score normalized to 9
10Contributorsproject has 4 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
9Licenselicense file detected
10Maintained30 commit(s) and 3 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
10Token-PermissionsGitHub workflow tokens follow principle of least privilege
0Vulnerabilities69 existing vulnerabilities detected
Direkte Abhängigkeiten 12
RegistryPaketVersionsvorgabeManifest
PyPIfaiss-cpu>=1.13.2pyproject.toml
PyPIlangchain>=1.2.6pyproject.toml
PyPIlangchain-community>=0.4.1pyproject.toml
PyPIlangchain-openai>=1.1.7pyproject.toml
PyPIstructlog>=25.5.0pyproject.toml
PyPIontomem>=0.6.0pyproject.toml
PyPIontosight>=0.1.8pyproject.toml
PyPIpython-dotenv>=1.2.1pyproject.toml
PyPIsemhash>=0.4.1pyproject.toml
PyPItyper>=0.13.0pyproject.toml
PyPIrich>=13.7.0pyproject.toml
PyPItomli-w>=1.0.0pyproject.toml
Alle Abhängigkeiten 176

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 12 direkte und 164 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIfaiss-cpu1.13.2direkt
PyPIlangchain1.2.6direkt
PyPIlangchain-community0.4.1direkt
PyPIlangchain-openai1.1.7direkt
PyPIontomem0.6.0direkt
PyPIontosight0.1.8direkt
PyPIpython-dotenv1.2.1direkt
PyPIrich14.2.0direkt
PyPIsemhash0.4.1direkt
PyPIstructlog25.5.0direkt
PyPItomli-w1.2.0direkt
PyPItyper0.24.1direkt
PyPIaiohappyeyeballs2.6.1indirekt
PyPIaiohttp3.13.3indirekt
PyPIaiosignal1.4.0indirekt
PyPIannotated-doc0.0.4indirekt
PyPIannotated-types0.7.0indirekt
PyPIanthropic0.84.0indirekt
PyPIanyio4.12.1indirekt
PyPIattrs25.4.0indirekt
PyPIbabel2.17.0indirekt
PyPIbackrefs6.1indirekt
PyPIbeautifulsoup44.15.0indirekt
PyPIcertifi2026.1.4indirekt
PyPIcffi2.0.0indirekt
PyPIcharset-normalizer3.4.4indirekt
PyPIclick8.3.1indirekt
PyPIcobble0.1.4indirekt
PyPIcolorama0.4.6indirekt
PyPIcoloredlogs15.0.1indirekt
PyPIcryptography46.0.5indirekt
PyPIdataclasses-json0.6.7indirekt
PyPIdefusedxml0.7.1indirekt
PyPIdistro1.9.0indirekt
PyPIdocstring-parser0.17.0indirekt
PyPIet-xmlfile2.0.0indirekt
PyPIfastapi0.128.4indirekt
PyPIfilelock3.20.3indirekt
PyPIfiletype1.2.0indirekt
PyPIflatbuffers25.12.19indirekt
PyPIfrozendict2.4.7indirekt
PyPIfrozenlist1.8.0indirekt
PyPIfsspec2026.1.0indirekt
PyPIghp-import2.1.0indirekt
PyPIgoogle-auth2.49.1indirekt
PyPIgoogle-genai1.67.0indirekt
PyPIgreenlet3.3.0indirekt
PyPIgriffe1.15.0indirekt
PyPIh110.16.0indirekt
PyPIhf-xet1.2.0indirekt
PyPIhttpcore1.0.9indirekt
PyPIhttptools0.7.1indirekt
PyPIhttpx0.28.1indirekt
PyPIhttpx-sse0.4.3indirekt
PyPIhuggingface-hub0.36.0indirekt
PyPIhumanfriendly10.0indirekt
PyPIhyperextract0.10.0indirekt
PyPIidna3.11indirekt
PyPIiniconfig2.3.0indirekt
PyPIjinja23.1.6indirekt
PyPIjiter0.12.0indirekt
PyPIjoblib1.5.3indirekt
PyPIjsonpatch1.33indirekt
PyPIjsonpointer3.0.0indirekt
PyPIjsonschema4.26.0indirekt
PyPIjsonschema-specifications2025.9.1indirekt
PyPIlangchain-anthropic1.3.5indirekt
PyPIlangchain-classic1.0.1indirekt
PyPIlangchain-core1.2.19indirekt
PyPIlangchain-google-genai4.2.1indirekt
PyPIlangchain-text-splitters1.1.0indirekt
PyPIlanggraph1.0.5indirekt
PyPIlanggraph-checkpoint3.0.1indirekt
PyPIlanggraph-prebuilt1.0.5indirekt
PyPIlanggraph-sdk0.3.1indirekt
PyPIlangsmith0.6.1indirekt
PyPIlxml6.1.3indirekt
PyPImagika0.6.3indirekt
PyPImammoth1.11.0indirekt
PyPImarkdown3.10indirekt
PyPImarkdown-it-py4.0.0indirekt
PyPImarkdownify1.2.3indirekt
PyPImarkitdown0.1.7indirekt
PyPImarkupsafe3.0.3indirekt
PyPImarshmallow3.26.2indirekt
PyPImcp1.29.0indirekt
PyPImdurl0.1.2indirekt
PyPImergedeep1.3.4indirekt
PyPImike2.1.4indirekt
PyPImkdocs1.6.1indirekt
PyPImkdocs-autorefs1.4.3indirekt
PyPImkdocs-get-deps0.2.0indirekt
PyPImkdocs-material9.7.1indirekt
PyPImkdocs-material-extensions1.3.1indirekt
PyPImkdocs-static-i18n1.3.1indirekt
PyPImkdocstrings1.0.0indirekt
PyPImkdocstrings-python2.0.1indirekt
PyPImodel2vec0.7.0indirekt
PyPImpmath1.3.0indirekt
PyPImultidict6.7.0indirekt
PyPImypy-extensions1.1.0indirekt
PyPInumpy2.4.1indirekt
PyPIonnxruntime1.20.1indirekt
PyPIopenai2.14.0indirekt
PyPIopenpyxl3.1.5indirekt
PyPIorjson3.11.5indirekt
PyPIormsgpack1.12.1indirekt
PyPIpackaging25.0indirekt
PyPIpaginate0.5.7indirekt
PyPIpandas3.0.5indirekt
PyPIpathspec1.0.1indirekt
PyPIpdfminer-six20260107indirekt
PyPIpdfplumber0.11.10indirekt
PyPIpillow12.3.0indirekt
PyPIplatformdirs4.5.1indirekt
PyPIpluggy1.6.0indirekt
PyPIpropcache0.4.1indirekt
PyPIprotobuf7.36.1indirekt
PyPIpyasn10.6.2indirekt
PyPIpyasn1-modules0.4.2indirekt
PyPIpycparser3.0indirekt
PyPIpydantic2.12.5indirekt
PyPIpydantic-core2.41.5indirekt
PyPIpydantic-settings2.12.0indirekt
PyPIpygments2.19.2indirekt
PyPIpyjwt2.13.0indirekt
PyPIpymdown-extensions10.20indirekt
PyPIpyparsing3.3.2indirekt
PyPIpypdfium25.13.0indirekt
PyPIpyreadline33.5.6indirekt
PyPIpytest9.0.2indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-multipart0.0.32indirekt
PyPIpython-pptx1.0.2indirekt
PyPIpyversity0.1.1indirekt
PyPIpywin32312indirekt
PyPIpyyaml6.0.3indirekt
PyPIpyyaml-env-tag1.1indirekt
PyPIreferencing0.37.0indirekt
PyPIregex2025.11.3indirekt
PyPIrequests2.32.5indirekt
PyPIrequests-toolbelt1.0.0indirekt
PyPIrpds-py2026.6.3indirekt
PyPIsafetensors0.7.0indirekt
PyPIsetuptools80.10.1indirekt
PyPIshellingham1.5.4indirekt
PyPIsimsimd6.5.12indirekt
PyPIsix1.17.0indirekt
PyPIsniffio1.3.1indirekt
PyPIsoupsieve2.9.2indirekt
PyPIsqlalchemy2.0.45indirekt
PyPIsse-starlette3.4.6indirekt
PyPIstarlette0.52.1indirekt
PyPIsympy1.14.0indirekt
PyPItenacity9.1.2indirekt
PyPItiktoken0.12.0indirekt
PyPItokenizers0.22.2indirekt
PyPItqdm4.67.1indirekt
PyPItyping-extensions4.15.0indirekt
PyPItyping-inspect0.9.0indirekt
PyPItyping-inspection0.4.2indirekt
PyPItzdata2026.3indirekt
PyPIurllib32.6.2indirekt
PyPIusearch2.23.0indirekt
PyPIuuid-utils0.12.0indirekt
PyPIuvicorn0.40.0indirekt
PyPIuvloop0.22.1indirekt
PyPIverspec0.1.0indirekt
PyPIvicinity0.4.3indirekt
PyPIwatchdog6.0.0indirekt
PyPIwatchfiles1.1.1indirekt
PyPIwebsockets16.0indirekt
PyPIxlsxwriter3.2.9indirekt
PyPIxxhash3.6.0indirekt
PyPIyarl1.22.0indirekt
PyPIzstandard0.25.0indirekt
Abhängigkeits-Advisories 26

Dieses Repository veröffentlicht kein vom Index auflösbares Paket, daher wurde sein eigener Abhängigkeitsgraph bewertet – 176 Pakete, darunter auch Entwicklungs- und Test-Pins, die nie ausgeliefert werden: 26 tragen bekannte Advisories, davon 3 direkte.

PaketVersionBeziehungSchweregradAdvisoriesBehoben in
aiohttp3.13.3indirektkritisch483.14.3
cryptography46.0.5indirektkritisch1150.0.0
click8.3.1indirekthoch18.3.3
langchain-classic1.0.1indirekthoch21.0.7
langchain-core1.2.19indirekthoch61.3.3
langgraph1.0.5indirekthoch21.0.10rc1
langsmith0.6.1indirekthoch71.0.7
orjson3.11.5indirekthoch13.11.6
pyasn10.6.2indirekthoch80.6.4
pymdown-extensions10.20indirekthoch611.0.1
starlette0.52.1indirekthoch101.3.1
urllib32.6.2indirekthoch62.7.0
langchain1.2.6direktmittel21.4.6
python-dotenv1.2.1direktmittel21.2.2
idna3.11indirektmittel23.15
langchain-anthropic1.3.5indirektmittel21.4.6
langchain-text-splitters1.1.0indirektmittel21.1.2
langgraph-checkpoint3.0.1indirektmittel44.1.1
langgraph-sdk0.3.1indirektmittel20.3.15
mkdocs-material9.7.1indirektmittel29.7.7
pydantic-settings2.12.0indirektmittel12.14.2
pytest9.0.2indirektmittel29.0.3
requests2.32.5indirektmittel22.33.0
setuptools80.10.1indirektmittel283.0.0
langchain-openai1.1.7direktniedrig21.1.14
pygments2.19.2indirektniedrig22.20.0

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 yifanfeng97/Hyper-Extract teilen. Nebeneinander lesen →

98langchain-ai/langchainThe agent engineering platform.Außergewöhnlich98langchain-ai/langgraphBuild resilient agents.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.Außergewöhnlich98mem0ai/mem0The Memory Layer for AI Agents - Drop-in memory infrastructure for AI agents and apps. Context that persists. Built for production.Außergewöhnlich98bytedance/deer-flowAn open-source long-horizon SuperAgent harness that researches, codes, and creates. With the help of sandboxes, memories, tools, skill, subagents and message gateway, it handles different levels of tasks that could take minutes to hours.Außergewöhnlich99awslabs/cli-agent-orchestratorMulti-agent orchestration for AI coding CLIs — Claude Code, Kiro, Codex, and more, coordinated in isolated tmux sessionsAußergewöhnlich

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.