Öffentliches Register
Software-GesundheitsberichtSchema 0.31.0 · Metriken 2.10.0 · 2026-08-12 22:19 UTC

zilliztech / GPTCache

Semantic cache for LLMs. Fully integrated with LangChain and llama_index.

PythonMIT★ 8.130 Sterne⑂ 589 Forksseit März 2023Auf GitHub ansehen ↗
ArtKommandozeilenwerkzeugBibliothekwie das ermittelt wird
#chatbot#chatgpt#chatgpt-api#llm#milvus#similarity-search#vector-search#aigc#openai#memcache#gpt#langchain#autogpt#redis#babyagi#llama-index#llama#dolly#semantic-search

zilliztech/GPTCache erreicht einen Gesundheitsindex von 34 von 100 und liegt damit im Bereich Gefährdet. Am stärksten schneidet es bei Community & Adoption (82/100) ab, am schwächsten bei Vitality (22/100). Zuletzt vor 397 Tagen aktualisiert. 2 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 57 wird auf der veröffentlichten Indexskala auf 60 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

ZillizOrganisation
1.036 Follower74 öffentliche Reposseit Apr. 2016

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlicht
PyPIgptcache0.1.44-46vor 741 Tagen

Metriken nach Kategorie

Vitalität

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

22Gefährdet · 21 % des Gesamtindex

Entwicklungsaktivität

1Kritisch
Wie die Bewertung erfolgt
0/36Push-Aktualität — letzter Push vor 397 Tagen
0/36Commit-Rhythmus — 0/52 Wochen mit Commits
0/18Commit-Volumen — 0 Commits im letzten Jahr
0/10OpenSSF Scorecard: Maintained — 0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
Verwendete Eingangsdaten
commits_last_year0
human_commit_share1
days_since_last_push397
active_weeks_last_year0

Release-Disziplin

54Mittel
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 41 Releases veröffentlicht
0/36Release-Aktualität — letztes Release vor 741 Tagen
27/27Release-Rhythmus — ein Release etwa alle 42,6 Tage
0/10OpenSSF Scorecard: Signed-Releases — Project has not signed or included provenance with any releases.
Verwendete Eingangsdaten
releases_count41
latest_release_tag0.1.44
releases_from_tagsnein
days_since_latest_release741
mean_days_between_releases42,6

Community & Verbreitung

Hat das Projekt Nutzer, Downloads, Aufmerksamkeit und ein einladendes Umfeld für Beitragende?

82Exzellent · 17 % des Gesamtindex

Popularität & Verbreitung

93Außergewöhnlich
Wie die Bewertung erfolgt
60/60Stars — 8.130 Stars
23.1/25Forks — 589 Forks
9.7/15Watcher — 57 Watcher
Verwendete Eingangsdaten
forks589
stars8.130
watchers57
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

70Gut
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (MIT)
18/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges6
has_contributingja
has_issue_templatenein
has_code_of_conductnein
readme_badge_servicesshields.io
has_pull_request_templatenein

Nachhaltigkeit & Governance

Überdauert das Projekt die Menschen, die es tragen — Bus-Faktor, Reaktionsfähigkeit, Trägerschaft und Paketpflege?

72Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

62Mittel
Wie die Bewertung erfolgt
25.2/54Bus-Faktor — 2 Beitragende decken die Hälfte aller Commits ab
13.3/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 41 % der Commits
13.5/13.5Breite der Beitragenden — 40 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 9 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor2
contributors_sampled40
top_contributor_share0,409

Reaktionsfähigkeit bei Issues & PRs

62Mittel
Wie die Bewertung erfolgt
24.7/42Issue-Lösungsquote — 59 % der Issues geschlossen
25.7/30PR-Annahme — 380/443 entschiedene PRs gemergt
0/13Newcomer PR acceptance — 0/1 PRs von Erstbeitragenden in 30 Tagen gemergt
12/15OpenSSF Scorecard: Code-Review — Found 23/27 approved changesets -- score normalized to 8
Verwendete Eingangsdaten
merged_prs380
open_issues76
closed_issues108
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d1
issue_closed_ratio0,587
closed_unmerged_prs63
first_time_authors_30d1
first_time_prs_merged_30d0
first_time_prs_decided_30d1

Eigentümerschaft & Trägerschaft

96Außergewöhnlich
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain — Verifizierungsstatus der Domain für diese Organisation nicht ausgelesen
21.7/25Reichweite des Inhabers — 1.036 Follower von zilliztech
25/25Kontohistorie — 74 öffentliche Repos, Kontoalter ca. 10 Jahre
Verwendete Eingangsdaten
followers1.036
owner_typeOrganization
is_verified—
owner_loginzilliztech
public_repos74
account_age_days3.774
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Verifizierte Domain. Die verbleibenden Gewichte wurden renormalisiert.

Paketpflege

69Gut
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
4/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 741 Tagen
20/20Versionshistorie — 46 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesgptcache
ecosystemspypi
any_deprecatednein
min_days_since_publish741

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

65Gut · 19 % des Gesamtindex

Engineering-Praktiken

48Schwach
Wie die Bewertung erfolgt
24/24CI-Workflows — 7 Workflow(s)
24/24Tests vorhanden
0/16Linter-Konfiguration
0/9.6Pre-Commit-Hooks
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — 0 out of 23 merged PRs checked by a CI test -- score normalized to 0
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://gptcache.readthedocs.io
10/10Repository-Beschreibung
10/10Topics — 19 Topics
0/10Wiki
Verwendete Eingangsdaten
topicschatbot, chatgpt, chatgpt-api, llm, milvus, similarity-search, vector-search, aigc, openai, memcache, gpt, langchain, autogpt, redis, babyagi, llama-index, llama, dolly, semantic-search
has_wikinein
homepagehttps://gptcache.readthedocs.io
docs_sitehttps://gptcache.readthedocs.io
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

45Schwach · 16 % des Gesamtindex

Sicherheitslage

31Gefährdet
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — keine Daten
0/2.5CI-Tests — 0 out of 23 merged PRs checked by a CI test -- score normalized to 0
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
6/7.5Code-Review — Found 23/27 approved changesets -- score normalized to 8
2.5/2.5Contributors — project has 9 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
0/7.5Dependency-Update-Tool — no update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Lizenz — license file detected
0/7.5Maintained — 0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
0/5Packaging — keine Daten
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 — Project has not signed or included provenance with any releases.
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 44 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate3,1
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Branch-Protection, Packaging. 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_packages7
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:gptcache@0.1.44 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 7 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.

54Mittel · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

37Schwach
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
37.3/40Lesbare Commit-Historie — 70 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,7
agent_instruction_files—
agent_instruction_max_bytes—

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

50Mittel
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile, docs/Makefile
22/22Automatisierte Tests
0/11Lint-/Format-Konfiguration
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — Dockerfile
0/10Belegte Agentenpraxis — keine von Agenten verfassten Commits unter den letzten 100
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
lockfiles—
has_dockerfileja
typed_languagenein
bootstrap_filesMakefile, docs/Makefile
has_devcontainernein
has_linter_confignein
typecheck_configs—
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

55Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
55/55Handhabbare Dateigrößen — 0/218 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes28.126
source_files_sampled218
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

8.130GitHub-Sterne
40Mitwirkende
0Commits, letzte 12 Monate
397Tage seit letztem Push
41Releases
2Bus-Faktor
76offene 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 ★ / 589 ⇿
0Sterne
589Forks
41Releases

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.

0100200300400500600580362023-032024-122026-08
Major 0Minor 0Patch 40

Jeder Punkt umfasst 4 Tage.

OpenSSF Scorecard 3.1 / 10
3.1Gesamtwert

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 · 2026-08-12 22:18 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
0CI-Tests0 out of 23 merged PRs checked by a CI test -- score normalized to 0
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
8Code-ReviewFound 23/27 approved changesets -- score normalized to 8
10Contributorsproject has 9 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
0Maintained0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
k. A.Packagingpackaging workflow not 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
0Signed-ReleasesProject has not signed or included provenance with any releases.
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities44 existing vulnerabilities detected
Alle Abhängigkeiten 52

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 0 direkte und 52 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIanyio3.6.2indirekt
PyPIautodoc-pydantic—indirekt
PyPIcachetools—indirekt
PyPIcoverage7.2.3indirekt
PyPIfaiss-cpu—indirekt
PyPIgptcache—indirekt
PyPIgrpcio1.53.0indirekt
PyPIloguru0.5.3indirekt
PyPIm2r2—indirekt
PyPImilvus2.2.8indirekt
PyPImock—indirekt
PyPImyst-nb—indirekt
PyPInbsphinx—indirekt
PyPInumpy—indirekt
PyPIonnxruntime—indirekt
PyPIpexpect—indirekt
PyPIpillow—indirekt
PyPIprotobuf3.20.0indirekt
PyPIpsycopg2-binary—indirekt
PyPIpymilvus2.2.8indirekt
PyPIpyqt5—indirekt
PyPIpyqtwebengine—indirekt
PyPIpytest7.2.0indirekt
PyPIpytest-assume2.4.3indirekt
PyPIpytest-cov4.1.0indirekt
PyPIpytest-html3.1.1indirekt
PyPIpytest-level0.1.1indirekt
PyPIpytest-loguru0.2.0indirekt
PyPIpytest-parallel—indirekt
PyPIpytest-repeat0.8.0indirekt
PyPIpytest-rerunfailures9.1.1indirekt
PyPIpytest-sugar0.9.5indirekt
PyPIpytest-timeout1.3.3indirekt
PyPIpytest-xdist2.5.0indirekt
PyPIrequests—indirekt
PyPIsafetensors—indirekt
PyPIspacy—indirekt
PyPIsphinx—indirekt
PyPIsphinx-autobuild—indirekt
PyPIsphinx-book-theme—indirekt
PyPIsphinx-copybutton—indirekt
PyPIsphinx-panels—indirekt
PyPIsphinx-toolbox—indirekt
PyPIsqlalchemy—indirekt
PyPIstability-sdk—indirekt
PyPIstreamlit—indirekt
PyPItorch—indirekt
PyPItorchaudio—indirekt
PyPItransformers—indirekt
PyPItransformers4.29.2indirekt
PyPItyping-extensions—indirekt
PyPIurllib3—indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:gptcache@0.1.44 zieht 7 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 zilliztech/GPTCache teilen. Nebeneinander lesen →

97langchain4j/langchain4jLangChain4j is an idiomatic, open-source Java library for building LLM-powered applications on the JVM. It offers a unified API over popular LLM providers and vector stores, and makes implementing tool calling (including MCP support), agents and RAG easy. It integrates seamlessly with enterprise Java frameworks like Quarkus and Spring Boot.Außergewöhnlich96AstrBotDevs/AstrBotAI Agent Assistant & development framework that integrates lots of IM platforms, LLMs, plugins and AI feature, and can be your openclaw alternative. ✨Außergewöhnlich96yamadashy/repomix📦 Repomix is a powerful tool that packs your entire repository into a single, AI-friendly file. Perfect for when you need to feed your codebase to Large Language Models (LLMs) or other AI tools like Claude, ChatGPT, DeepSeek, Perplexity, Gemini, Gemma, Llama, Grok, and more.Außergewöhnlich95Tencent/WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.Außergewöhnlich94openlit/openlitOpen source platform for AI Engineering: OpenTelemetry-native LLM Observability, GPU Monitoring, Guardrails, Evaluations, Prompt Management, Vault, Playground. 🚀💻 Integrates with 50+ LLM Providers, VectorDBs, Agent Frameworks and GPUs.Außergewöhnlich99vllm-project/vllmA high-throughput and memory-efficient inference and serving engine for LLMsAußergewöhnlich

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 v0.31.0 — vollständige Methodik · Metriken-Wiki.

Wie ein einzelnes Ergebnis im Gesamtregister steht: aggregierte Statistiken — PyPI.