Registro público
Informe de salud del softwareesquema 0.11.0 · métricas 2.10.0 · 2026-07-16 17:21 UTC

GiacomoSaccaggi / scomp_link

End-to-end ML toolkit automating the complete workflow — data profiling, preprocessing, feature engineering, model selection, training, validation, explainability, drift monitoring, fairness checks, and interactive HTML reporting. Includes a full CLI for zero-code ML pipelines. Python 3.10+.

PythonMIT★ 2 estrellas⑂ 0 forksdesde feb 2026Ver en GitHub ↗
TipoHerramienta de línea de comandosBibliotecaServidor MCPcómo se determina
#anomaly-detection#automl#cli#data-science#explainability#machine-learning#nlp#python#scikit-learn#time-series#agent-skills#agentic-workflow#mcp#mcp-server#ai-agent-tool#ai-tools#cli-app#cli-tool#claude-tool#kiro-tool

GiacomoSaccaggi/scomp_link tiene un índice de salud de 80 sobre 100, lo que lo sitúa en la banda Excelente. Su puntuación más alta es Engineering Quality (95/100) y la más baja, Sustainability & Governance (46/100). Se actualizó por última vez hoy.

80
global / 100
Excelente

Índice de salud del software

Las métricas se agrupan en categorías ponderadas sobre una escala estandarizada de 1 a 100. El resultado global parte de su media ponderada, calibrada contra la distribución del registro público para que las bandas tengan significado percentil; cuando la evidencia pública activa la Política de Jurisdicciones de Alto Riesgo, la calificación se ajusta y recibe un límite «En riesgo» de 34.

80
Excepcional93-100El nivel más alto del registro (≈ el 5% superior); cumple prácticamente todos los criterios evaluados
Excelente80-92Sólido en todos los frentes; carencias menores
Bueno65-79Saludable; carencias limitadas y manejables
Moderado50-64Aceptable con carencias notables; se recomienda revisión
Débil35-49Debilidades sustanciales en varias áreas
En riesgo20-34Debilidades significativas; su adopción exige cautela
Crítico1-19Problemas graves (proyecto abandonado, un solo mantenedor, sin higiene)
VitalidadComunidad yAdopciónSostenibilidady GobernanzaCalidad deIngenieríaSeguridadPreparaciónpara IA

Perfil de puntuación

Cada eje es una categoría. La forma importa más que la media: un proyecto sano llena toda la figura, mientras que un perfil de picos y cráteres indica que la fortaleza en una dimensión enmascara el riesgo en otra.

El resultado global ponderado 68 se calibra a 80 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

Giacomo SaccaggiCuenta personal
7 seguidores18 repositorios públicosdesde oct 2018

Este repositorio pertenece a una cuenta personal. Un proyecto con un único propietario conlleva más riesgo de continuidad que uno respaldado por una organización.

Ecosistemas de paquetes

RegistroPaqueteVersiónDescargas / mesVersionesÚltima publicaciónEtiquetas
PyPIscomp-link1.3.0231321hace 0 díasmachine-learningdata-scienceautomationpipelineautomlscikit-learnregressionclassificationclusteringdeep-learningnlptext-classificationcontrastive-learninganomaly-detectiontime-seriesensemble-learninghyperparameter-tuningmodel-selectioncross-validationfeature-selectionberttransformerstensorflowpytorchcomputer-visionimage-classificationhtml-reportplotlyedapreprocessingmcpmodel-context-protocolagent-toolai-agentdata-driftmodel-serving

Métricas por categoría

Vitalidad

¿Está vivo el proyecto: se escribe código y se publican versiones?

79Bueno · 21% del índice global

Actividad de desarrollo

65Bueno
Cómo se puntúa
36/36Recencia de push — último push hace 0 días
4.8/36Cadencia de commits — 7/52 semanas con commits
17.9/18Volumen de commits — 98 commits en el último año
0/10OpenSSF Scorecard: Maintained — sin datos
Datos de entrada utilizados
commits_last_year98
human_commit_share—
days_since_last_push0
active_weeks_last_year7

Disciplina de publicación

100Excepcional
Cómo se puntúa
27/27Publica versiones — 13 versiones publicadas
36/36Recencia de las versiones — última versión hace 6 días
27/27Cadencia de publicación — una versión cada ~0,8 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count13
latest_release_tagv1.2.15
releases_from_tagsno
days_since_latest_release6
mean_days_between_releases0,8

Comunidad y Adopción

¿Tiene el proyecto usuarios, descargas, atención y unas condiciones acogedoras para quienes contribuyen?

47Débil · 17% del índice global

Popularidad y adopción

1Crítico
Cómo se puntúa
0/60Estrellas — 2 estrellas
0/25Forks — 0 forks
0/15Observadores — 0 observadores
Datos de entrada utilizados
forks0
stars2
watchers0
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

92Excelente
Cómo se puntúa
22.5/22.5README
22.5/22.5Licencia — licencia reconocida (MIT)
18/18Guía CONTRIBUTING
13.5/13.5Código de conducta
0/7.2Plantilla de issues
6.3/6.3Plantilla de PR
Datos de entrada utilizados
has_readmesí
has_licensesí
readme_badges—
has_contributingsí
has_issue_templateno
has_code_of_conductsí
readme_badge_services—
has_pull_request_templatesí

Adopción en el ecosistema (descargas)

56Moderado
Cómo se puntúa
44.9/80Descargas mensuales — 2313 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packagesscomp-link
dependents—
ecosystemspypi
total_downloads—
monthly_downloads2313
unverified_packages_excluded—
Excluidos de la puntuación (sin datos o no aplicable): Dependientes en el registro. Los pesos restantes se han renormalizado.

Sostenibilidad y Gobernanza

¿Sobrevivirá el proyecto a sus personas: factor bus, capacidad de respuesta, quién lo respalda y mantenimiento del paquete?

46Débil · 23% del índice global

Capacidad de respuesta a issues y PR

1Crítico
Cómo se puntúa
0/42Resolución de issues — sin issues o sin datos
0/30Aceptación de PR — 0/25 PR decididos fusionados
0/13Newcomer PR acceptance — ningún PR de un contribuyente primerizo decidido en 30 d
0/15OpenSSF Scorecard: Code-Review — sin datos
Datos de entrada utilizados
merged_prs0
open_issues0
closed_issues0
prs_merged_7d—
prs_decided_7d—
prs_merged_30d—
prs_decided_30d—
issue_closed_ratio—
closed_unmerged_prs25
first_time_authors_30d—
first_time_prs_merged_30d—
first_time_prs_decided_30d—
Excluidos de la puntuación (sin datos o no aplicable): Resolución de issues, Newcomer PR acceptance. Los pesos restantes se han renormalizado.

Propiedad y custodia

47Débil
Cómo se puntúa
10/30Respaldo de la propiedad — cuenta personal (usuario)
0/20Dominio verificado — no aplicable a cuentas de usuario
6.5/25Alcance del propietario — 7 seguidores de GiacomoSaccaggi
21.3/25Trayectoria — 18 repos públicos, cuenta de ~7 años
Datos de entrada utilizados
followers7
owner_typeUser
is_verified—
owner_loginGiacomoSaccaggi
public_repos18
account_age_days2833
Excluidos de la puntuación (sin datos o no aplicable): Dominio verificado. Los pesos restantes se han renormalizado.

Mantenimiento de paquetes

100Excepcional
Cómo se puntúa
25/25Publicado y resoluble — 1 paquete(s) en pypi
35/35Recencia de publicación — última publicación hace 0 días
20/20Historial de versiones — 21 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagesscomp-link
ecosystemspypi
any_deprecatedno
min_days_since_publish0

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

95Excepcional · 19% del índice global

Prácticas de ingeniería

92Excelente
Cómo se puntúa
24/24Flujos de trabajo de CI — 1 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter — tox.ini
9.6/9.6Hooks de pre-commit
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — sin datos
Datos de entrada utilizados
has_cisí
has_testssí
has_editorconfigno
has_linter_configsí
has_precommit_configsí

Documentación

100Excepcional
Cómo se puntúa
30/30README
25/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://giacomosaccaggi.github.io/scomp_link/
10/10Descripción del repositorio
10/10Topics — 20 topics
10/10Wiki
Datos de entrada utilizados
topicsanomaly-detection, automl, cli, data-science, explainability, machine-learning, nlp, python, scikit-learn, time-series, agent-skills, agentic-workflow, mcp, mcp-server, ai-agent-tool, ai-tools, cli-app, cli-tool, claude-tool, kiro-tool
has_wikisí
homepagehttps://giacomosaccaggi.github.io/scomp_link/
docs_sitehttps://giacomosaccaggi.github.io/scomp_link/
has_readmesí
has_docs_dirsí
has_descriptionsí

Seguridad

¿Son sólidas las prácticas visibles de seguridad y de cadena de suministro, sin exposición jurisdiccional de alto riesgo sin resolver?

73Bueno · 16% del índice global

Postura de seguridad

73Bueno
Cómo se puntúa
30/30Política de seguridad (SECURITY.md)
25/25Configuración de Dependabot
0/25Lockfiles de dependencias — biblioteca publicada — los lockfiles son cosa de las aplicaciones, no se esperan aquí
0/20Flujo de trabajo de CodeQL
Datos de entrada utilizados
sourcefile_signals
lockfilesuv.lock
manifestsmcpb/pyproject.toml, pyproject.toml, requirements.txt, requirements/requirements-dev.txt, requirements/requirements-img-py310.txt, requirements/requirements-img-py311.txt, requirements/requirements-img-py312.txt, requirements/requirements-img-py313.txt, requirements/requirements-nlp-py310.txt, requirements/requirements-nlp-py311.txt, requirements/requirements-nlp-py312.txt, requirements/requirements-nlp-py313.txt, requirements/requirements-py310.txt, requirements/requirements-py311.txt, requirements/requirements-py312.txt, requirements/requirements-py313.txt, requirements/requirements-utils.txt, setup.py
has_codeql_workflowno
has_security_policysí
has_dependabot_configsí
Excluidos de la puntuación (sin datos o no aplicable): Lockfiles de dependencias. Los pesos restantes se han renormalizado.

Preparación para IA

¿Hasta qué punto está el repositorio preparado para desarrollarse y mantenerse con agentes de codificación de IA? Tiene un peso deliberadamente pequeño (4%): las herramientas para agentes son una señal real de mantenimiento, pero un repositorio sin ninguna puede alcanzar igualmente 100/100.

87Excelente · 4% del índice global

Contexto y guía para agentes

100Excepcional
Cómo se puntúa
45/45Instrucciones para agentes — AGENTS.md
15/15Documentación legible por máquinas (llms.txt) — llms.txt presente
0/40Historial de commits legible — sin datos
Datos de entrada utilizados
has_llms_txtsí
llms_txt_url—
legible_history_share—
agent_instruction_filesAGENTS.md
agent_instruction_max_bytes4895
Excluidos de la puntuación (sin datos o no aplicable): Historial de commits legible. Los pesos restantes se han renormalizado.

Bucle de verificación (compilación / pruebas / verificación de tipos)

74Bueno
Cómo se puntúa
0/18Arranque con un solo comando
22/22Pruebas automatizadas
11/11Configuración de lint / formato — tox.ini
11/11Verificación estática de tipos — pyrightconfig.json, scomp_link/py.typed
10/10Entorno reproducible — Dockerfile, lockfile
0/10Práctica demostrada con agentes — sin datos
5/8Mantenimiento automatizado — automatización de dependencias configurada, no observada en los commits muestreados
0/10OpenSSF Scorecard: Pinned-Dependencies — sin datos
Datos de entrada utilizados
has_nixno
has_testssí
lockfilesuv.lock
has_dockerfilesí
typed_languageno
bootstrap_files—
has_devcontainerno
has_linter_configsí
typecheck_configspyrightconfig.json, scomp_link/py.typed
agent_commit_share—
toolchain_manifests—
dependency_bot_commit_share0
Excluidos de la puntuación (sin datos o no aplicable): Práctica demostrada con agentes. Los pesos restantes se han renormalizado.

Legibilidad del código para modelos

82Excelente
Cómo se puntúa
27/45Código verificable por tipos — Python con configuración de verificación de tipos (pyrightconfig.json, scomp_link/py.typed)
54.5/55Tamaños de archivo manejables — 1/105 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes81.108
source_files_sampled105
oversized_source_files1

Interfaces legibles por máquina

100Excepcional
Cómo se puntúa
0/40Esquema de API (OpenAPI/GraphQL/proto) — no aplicable a este tipo de software
20/20Servidor MCP
40/40Ejemplos ejecutables — examples
Datos de entrada utilizados
example_dirsexamples
has_mcp_signalsí
api_schema_files—
interfaces_expected_of—
Excluidos de la puntuación (sin datos o no aplicable): Esquema de API (OpenAPI/GraphQL/proto). Los pesos restantes se han renormalizado.

Datos clave

2estrellas de GitHub
-contribuidores
98commits en los últimos 12 meses
0días desde el último push
13versiones publicadas
-factor bus
0issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Contributor list unavailable
  • Could not fetch pypi package 'scomp-link-mcpb' from its registry
  • GitHub dependency-graph SBOM unavailable (404); the dependency graph may be disabled for this repository
  • OpenSSF Scorecard timed out after 240s; skipping Scorecard checks

Más detalle

Dependencias directas 56
RegistroPaqueteRestricción de versiónManifiesto
PyPIscomp-link>=1.3.0mcpb/pyproject.toml
PyPInumpy>=1.22.0,<2.3.0pyproject.toml
PyPInumpy>=1.24.0,<1.27.0pyproject.toml
PyPInumpy>=1.26.0,<2.0.0pyproject.toml
PyPInumpy>=1.26.0,<3.0.0pyproject.toml
PyPInumpy>=2.0.0,<3.0.0pyproject.toml
PyPIpandas>=1.4.0,<2.4.0pyproject.toml
PyPIpandas>=2.0.0,<2.2.0pyproject.toml
PyPIpandas>=2.1.0,<2.3.0pyproject.toml
PyPIpandas>=2.1.0,<3.0.0pyproject.toml
PyPIpandas>=2.2.0,<3.0.0pyproject.toml
PyPIscipy>=1.8.0,<1.12.0pyproject.toml
PyPIscipy>=1.10.0,<1.12.0pyproject.toml
PyPIscipy>=1.11.0,<1.14.0pyproject.toml
PyPIscipy>=1.11.0,<2.0.0pyproject.toml
PyPIscipy>=1.14.0,<2.0.0pyproject.toml
PyPIscikit-learn>=1.2.0,<1.8.0pyproject.toml
PyPIscikit-learn>=1.3.0,<1.5.0pyproject.toml
PyPIscikit-learn>=1.3.0,<1.6.0pyproject.toml
PyPIscikit-learn>=1.3.0,<2.0.0pyproject.toml
PyPIscikit-learn>=1.5.0,<2.0.0pyproject.toml
PyPImatplotlib>=3.6.0,<3.9.0pyproject.toml
PyPImatplotlib>=3.7.0,<3.9.0pyproject.toml
PyPImatplotlib>=3.8.0,<3.11.0pyproject.toml
PyPImatplotlib>=3.8.0,<4.0.0pyproject.toml
PyPImatplotlib>=3.9.0,<4.0.0pyproject.toml
PyPIplotly>=5.0.0,<6.0.0pyproject.toml
PyPIseaborn>=0.11.0,<0.14.0pyproject.toml
PyPItorch>=1.13.0,<2.13.0pyproject.toml
PyPItorch>=2.0.0,<2.13.0pyproject.toml
PyPItorch>=2.0.0,<2.13.0pyproject.toml
PyPItorch>=2.0.0,<3.0.0pyproject.toml
PyPItorch>=2.4.0,<3.0.0pyproject.toml
PyPItransformers>=4.30.0,<6.0.0pyproject.toml
PyPIspacy>=3.5.0,<4.0.0pyproject.toml
PyPIfaiss-cpu>=1.7.0,<2.0.0pyproject.toml
PyPIsentence-transformers>=2.2.0,<6.0.0pyproject.toml
PyPItensorflow>=2.10.0,<2.16.0pyproject.toml
PyPItensorflow>=2.12.0,<2.16.0pyproject.toml
PyPItensorflow>=2.13.0,<2.18.0pyproject.toml
PyPItensorflow>=2.13.0,<3.0.0pyproject.toml
PyPIpillow>=9.0.0,<13.0.0pyproject.toml
PyPIpillow>=10.0.0,<13.0.0pyproject.toml
PyPIpytorch-tabnet2>=4.1.0,<5.0.0pyproject.toml
PyPIstatsmodels>=0.13.0,<1.0.0pyproject.toml
PyPItf-keras>=2.16.0pyproject.toml
PyPIpolars>=0.20.0,<2.0.0pyproject.toml
PyPIpyarrow>=12.0.0pyproject.toml
PyPIshap>=0.42.0,<1.0.0pyproject.toml
PyPIlime>=0.2.0,<1.0.0pyproject.toml
PyPIoptuna>=3.0.0,<5.0.0pyproject.toml
PyPItqdm>=4.50.0,<5.0.0pyproject.toml
PyPIPyJWT>=2.0.0,<3.0.0pyproject.toml
PyPImarkdown>=3.3.0,<4.0.0pyproject.toml
PyPIweasyprint>=57.0,<70.0pyproject.toml
PyPIplaywright>=1.40.0,<2.0.0pyproject.toml
Todas las dependencias no recopilado

No fue posible recopilar el conjunto de dependencias resuelto para este informe: GitHub dependency-graph SBOM unavailable (404); the dependency graph may be disabled for this repository

Informe JSON sin procesar legible por máquina

Comentarios

¿Algo no cuadra en este informe, o hay ideas que compartir? Mediciones erróneas, herramientas no detectadas, ideas, preguntas: todo es bienvenido. Cada mensaje se lee y recibe respuesta.

El mensaje se conserva durante el inicio de sesión.

Registros relacionados

Repositorios inspeccionados que comparten etiquetas de catálogo o ecosistemas con GiacomoSaccaggi/scomp_link. Leer en paralelo →

98autogluon/autogluonFast and Accurate ML in 3 Lines of CodeExcepcional99openvinotoolkit/nncfNeural Network Compression Framework for enhanced OpenVINO™ inferenceExcepcional100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Excepcional100ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Excepcional98ultralytics/ultralyticsUltralytics YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object trackingExcepcional98voxel51/fiftyoneRefine high-quality datasets and visual AI modelsExcepcional

Las puntuaciones son señales, no garantías. Reflejan prácticas públicamente visibles en GitHub; no son una auditoría de código ni una garantía de seguridad.

Los datos ausentes se excluyen y los pesos se renormalizan; nunca se puntúan como cero. La metodología es versionada y abierta: métricas v2.10.0, esquema v0.11.0 — metodología completa · wiki de métricas.

Cómo se sitúa un resultado dentro del registro general: estadísticas agregadas — PyPI.