Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-21 01:12 UTC

zoharbabin / due-diligence-agents

Legal flags a risk. Finance flags another. We connect and cite. Open-source forensic M&A due diligence: 13 AI agents read your data room across 9 domains (Legal, Finance, Commercial, Tech, Cyber, HR, Tax, Regulatory, ESG), cross-reference findings no single reviewer connects, and trace every one to an exact page & quote.

PythonApache-2.0★ 106 Sterne⑂ 23 Forksseit Feb. 2026Auf GitHub ansehen ↗
ArtKommandozeilenwerkzeugPluginBibliothekwie das ermittelt wird
#ai-agents#claude#contract-analysis#due-diligence#mergers-and-acquisitions#python#document-analysis#legal-tech#anthropic#compliance#risk-analysis#llm#private-equity#multi-agent#cybersecurity#fintech#knowledge-graph#corp-dev#corporate-development#cross-domain-analysis

zoharbabin/due-diligence-agents erreicht einen Gesundheitsindex von 80 von 100 und liegt damit im Bereich Exzellent. Am stärksten schneidet es bei Engineering Quality (91/100) ab, am schwächsten bei Security (44/100). Zuletzt vor 43 Tagen aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

80
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.

80
Außergewöhnlich93-100Die Spitzengruppe des Registers (≈ obere 5 %); erfüllt im Wesentlichen alle geprüften Kriterien
Exzellent80-92Durchgehend stark; geringfügige Lücken
Gut65-79Gesund; Lücken sind begrenzt und beherrschbar
Mittel50-64Akzeptabel mit deutlichen Lücken; Überprüfung empfohlen
Schwach35-49Wesentliche Schwächen in mehreren Bereichen
Gefährdet20-34Erhebliche Schwächen; eine Übernahme erfordert Vorsicht
Kritisch1-19Schwerwiegende Probleme (aufgegeben, nur ein Maintainer, keine Hygiene)
VitalitätCommunity &VerbreitungNachhaltigkeit &GovernanceEngineering-QualitätSicherheitAI Readiness

Bewertungsprofil

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

Der gewichtete Gesamtwert 68 wird auf der veröffentlichten Indexskala auf 80 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

Zohar BabinPersönliches Konto
94 Follower118 öffentliche Reposseit Nov. 2009Kaltura

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIdd-agents1.18.0-43vor 51 Tagenai-agentscontract-analysiscorporate-developmentcross-domaindata-roomdue-diligencelegal-techmergers-and-acquisitionsprivate-equityrisk-analysis

Metriken nach Kategorie

Vitalität

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

69Gut · 21 % des Gesamtindex

Entwicklungsaktivität

49Schwach
Wie die Bewertung erfolgt
18/36Push-Aktualität — letzter Push vor 43 Tagen
8.3/36Commit-Rhythmus — 12/52 Wochen mit Commits
18/18Commit-Volumen — 221 Commits im letzten Jahr
0/10OpenSSF Scorecard: Maintained — keine Daten
Verwendete Eingangsdaten
commits_last_year221
human_commit_share0,88
days_since_last_push43
active_weeks_last_year12

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 43 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 51 Tagen
27/27Release-Rhythmus — ein Release etwa alle 6,2 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count43
latest_release_tagv1.18.0
releases_from_tagsnein
days_since_latest_release51
mean_days_between_releases6,2

Community & Verbreitung

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

66Gut · 17 % des Gesamtindex

Popularität & Verbreitung

44Schwach
Wie die Bewertung erfolgt
32.8/60Stars — 106 Stars
11.2/25Forks — 23 Forks
0/15Watcher — 1 Watcher
Verwendete Eingangsdaten
forks23
stars106
watchers1
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

92Exzellent
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (Apache-2.0)
18/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges10
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_servicesgithub.com, shields.io
has_pull_request_templateja

Nachhaltigkeit & Governance

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

64Mittel · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

15Kritisch
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
0.2/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 99 % der Commits
4.1/13.5Breite der Beitragenden — 3 Beitragende
0/10OpenSSF Scorecard: Contributors — keine Daten
Verwendete Eingangsdaten
bus_factor1
contributors_sampled3
top_contributor_share0,989

Reaktionsfähigkeit bei Issues & PRs

95Außergewöhnlich
Wie die Bewertung erfolgt
39.7/42Issue-Lösungsquote — 95 % der Issues geschlossen
28.7/30PR-Annahme — 45/47 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
0/15OpenSSF Scorecard: Code-Review — keine Daten
Verwendete Eingangsdaten
merged_prs45
open_issues12
closed_issues211
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio0,946
closed_unmerged_prs2
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.

Eigentümerschaft & Trägerschaft

62Mittel
Wie die Bewertung erfolgt
10/30Organisatorische Trägerschaft — persönliches (Nutzer-)Konto
0/20Verifizierte Domain — für Nutzerkonten nicht anwendbar
14.2/25Reichweite des Inhabers — 94 Follower von zoharbabin
25/25Kontohistorie — 118 öffentliche Repos, Kontoalter ca. 16 Jahre
Verwendete Eingangsdaten
followers94
owner_typeUser
is_verified—
owner_loginzoharbabin
public_repos118
account_age_days6.160
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 51 Tagen
20/20Versionshistorie — 43 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesdd-agents
ecosystemspypi
any_deprecatednein
min_days_since_publish51

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

91Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

92Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 3 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff])
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — keine Daten
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://zoharbabin.com/due-diligence-agents/
10/10Repository-Beschreibung
10/10Topics — 20 Topics
0/10Wiki
Verwendete Eingangsdaten
topicsai-agents, claude, contract-analysis, due-diligence, mergers-and-acquisitions, python, document-analysis, legal-tech, anthropic, compliance, risk-analysis, llm, private-equity, multi-agent, cybersecurity, fintech, knowledge-graph, corp-dev, corporate-development, cross-domain-analysis
has_wikinein
homepagehttps://zoharbabin.com/due-diligence-agents/
docs_sitehttps://zoharbabin.com/due-diligence-agents/
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

44Schwach · 16 % des Gesamtindex

Sicherheitslage

30Gefährdet
Wie die Bewertung erfolgt
30/30Sicherheitsrichtlinie (SECURITY.md)
0/25Dependabot-Konfiguration
0/25Lockfiles für Abhängigkeiten
0/20CodeQL-Workflow
Verwendete Eingangsdaten
sourcefile_signals
lockfiles—
manifestspyproject.toml
has_codeql_workflownein
has_security_policyja
has_dependabot_confignein

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_packages73
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:dd-agents@1.18.0 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 73 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.

85Exzellent · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

100Außergewöhnlich
Wie die Bewertung erfolgt
45/45Agentenanweisungen — CLAUDE.md
15/15Maschinenlesbare Doku (llms.txt) — llms.txt wird von der Projektwebsite ausgeliefert (https://zoharbabin.com/llms.txt)
40/40Lesbare Commit-Historie — 84 von 88 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtja
llms_txt_urlhttps://zoharbabin.com/llms.txt
legible_history_share0,955
agent_instruction_filesCLAUDE.md
agent_instruction_max_bytes15.349

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

79Gut
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff])
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — devcontainer, Dockerfile
10/10Belegte Agentenpraxis — 72 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
0/8Automatisierte Wartung — keine automatisierten Abhängigkeits-Updates beobachtet
0/10OpenSSF Scorecard: Pinned-Dependencies — keine Daten
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfiles—
has_dockerfileja
typed_languagenein
bootstrap_filesMakefile
has_devcontainerja
has_linter_configja
typecheck_configs—
agent_commit_share0,72
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

53Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
52.8/55Handhabbare Dateigrößen — 16/402 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes207.451
source_files_sampled402
oversized_source_files16

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

106GitHub-Sterne
3Mitwirkende
221Commits, letzte 12 Monate
43Tage seit letztem Push
43Releases
1Bus-Faktor
12offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • pypi download statistics for 'dd-agents' unavailable this scan (stats endpoint failed after retries); adoption may be under-evidenced
  • OpenSSF Scorecard timed out after 240s; skipping Scorecard checks

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 23 ⇿
0Sterne
23Forks
40Releases

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.

48121620242242026-042026-062026-09
Major 0Minor 18Patch 22
Direkte Abhängigkeiten 13
RegistryPaketVersionsvorgabeManifest
PyPIclaude-agent-sdk>=0.1.56pyproject.toml
PyPIpydantic>=2.0pyproject.toml
PyPIopenpyxl>=3.1.3pyproject.toml
PyPInetworkx>=3.0pyproject.toml
PyPInumpy>=1.24pyproject.toml
PyPIrapidfuzz>=3.0pyproject.toml
PyPImarkitdown>=0.1pyproject.toml
PyPIxlrd>=2.0pyproject.toml
PyPIscikit-learn>=1.3pyproject.toml
PyPIclick>=8.0pyproject.toml
PyPIrich>=13.0pyproject.toml
PyPIprompt-toolkit>=3.0pyproject.toml
PyPIpyyaml>=6.0pyproject.toml
Alle Abhängigkeiten 33

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 13 direkte und 20 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIclaude-agent-sdk—direkt
PyPIclick—direkt
PyPImarkitdown—direkt
PyPInetworkx—direkt
PyPInumpy—direkt
PyPIopenpyxl—direkt
PyPIprompt-toolkit—direkt
PyPIpydantic—direkt
PyPIpyyaml—direkt
PyPIrapidfuzz—direkt
PyPIrich—direkt
PyPIscikit-learn—direkt
PyPIxlrd—direkt
PyPIagno—indirekt
PyPIanthropic—indirekt
PyPIbindu—indirekt
PyPIchromadb—indirekt
PyPImkdocs-material—indirekt
PyPImlx-vlm—indirekt
PyPImypy—indirekt
PyPIollama—indirekt
PyPIpdf2image—indirekt
PyPIpillow—indirekt
PyPIpre-commit—indirekt
PyPIpymupdf—indirekt
PyPIpypdfium2—indirekt
PyPIpytesseract—indirekt
PyPIpytest—indirekt
PyPIpytest-asyncio—indirekt
PyPIpytest-cov—indirekt
PyPIpytest-timeout—indirekt
PyPIpython-dotenv—indirekt
PyPIruff—indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:dd-agents@1.18.0 zieht 73 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 zoharbabin/due-diligence-agents 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.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.Außergewöhnlich98langchain-ai/langchainThe agent engineering platform.Außergewöhnlich97strands-agents/harness-sdkBuild an agent harness and control it end-to-end. Open-source SDK for production AI agents in Python & TypeScript - any model, any cloud.Außergewöhnlich99ag2ai/ag2AG2 (formerly AutoGen): The Open-Source AgentOS.Join us at: https://discord.gg/sNGSwQME3xAußergewöhnlich99google/adk-pythonAn open-source, code-first Python toolkit for building, evaluating, and deploying sophisticated AI agents with flexibility and control.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.