Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-09-19 02:38 UTC

OpenDCAI / DataFlow

[SIGMOD'27] Easy Data Preparation with latest LLMs-based Operators and Pipelines.

PythonApache-2.0★ 8186 estrellas⑂ 1146 forksdesde oct 2024Ver en GitHub ↗
TipoHerramienta de línea de comandoscómo se determina
#data#data-cleaning#data-pipelines#data-processing#data-science#data-synthesis#llms#operators#data-agent#sglang-bankend#vllm-backend#gradio-interface#quick-data-processing

OpenDCAI/DataFlow tiene un índice de salud de 88 sobre 100, lo que lo sitúa en la banda Excelente. Su puntuación más alta es Vitality (91/100) y la más baja, AI Readiness (46/100). Se actualizó por última vez hace 5 días. 4 personas concentran la mayor parte del trabajo reciente.

88
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.

88
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 74 se calibra a 88 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

OpenDCAIOrganización
1747 seguidores42 repositorios públicosdesde ago 2024

Este repositorio está respaldado por una organización: una custodia compartida y responsable que puede sobrevivir a cualquier mantenedor individual.

Ecosistemas de paquetes

RegistroPaqueteVersiónDescargas / mesVersionesÚltima publicaciónEtiquetas
PyPIopen-dataflowapunta a otro repositorio; no se puntúa1.0.10116814hace 176 díasaiartificial-intelligence

Métricas por categoría

Vitalidad

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

91Excelente · 21% del índice global

Actividad de desarrollo

91Excelente
Cómo se puntúa
36/36Recencia de push — último push hace 5 días
27/36Cadencia de commits — 39/52 semanas con commits
18/18Volumen de commits — 350 commits en el último año
10/10OpenSSF Scorecard: Maintained — 23 commit(s) and 1 issue activity found in the last 90 days -- score normalized to 10
Datos de entrada utilizados
commits_last_year350
human_commit_share1
days_since_last_push5
active_weeks_last_year39

Disciplina de publicación

90Excelente
Cómo se puntúa
27/27Publica versiones — 12 versiones publicadas
27/36Recencia de las versiones — última versión hace 176 días
27/27Cadencia de publicación — una versión cada ~29,6 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count12
latest_release_tagv1.0.10
releases_from_tagsno
days_since_latest_release176
mean_days_between_releases29,6
Excluidos de la puntuación (sin datos o no aplicable): OpenSSF Scorecard: Signed-Releases. Los pesos restantes se han renormalizado.

Comunidad y Adopción

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

77Bueno · 17% del índice global

Popularidad y adopción

100Excepcional
Cómo se puntúa
60/60Estrellas — 8186 estrellas
25/25Forks — 1146 forks
15/15Observadores — 561 observadores
Datos de entrada utilizados
forks1146
stars8186
watchers561
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

50Moderado
Cómo se puntúa
22.5/22.5README
22.5/22.5Licencia — licencia reconocida (Apache-2.0)
0/18Guía CONTRIBUTING
0/13.5Código de conducta
0/7.2Plantilla de issues
0/6.3Plantilla de PR
Datos de entrada utilizados
has_readmesí
has_licensesí
readme_badges22
has_contributingno
has_issue_templateno
has_code_of_conductno
readme_badge_servicesshields.io
has_pull_request_templateno

Sostenibilidad y Gobernanza

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

78Bueno · 23% del índice global

Resiliencia de mantenedores (factor bus)

84Excelente
Cómo se puntúa
43.2/54Factor bus — la mitad de los commits recae en 4 contribuyente(s)
17.6/22.5Distribución de commits — el principal contribuyente firma el 22% de los commits
13.5/13.5Amplitud de contribuyentes — 54 contribuyentes
10/10OpenSSF Scorecard: Contributors — project has 6 contributing companies or organizations
Datos de entrada utilizados
bus_factor4
contributors_sampled54
top_contributor_share0,218

Capacidad de respuesta a issues y PR

80Excelente
Cómo se puntúa
36.8/42Resolución de issues — 88% de issues cerradas
25.9/30Aceptación de PR — 385/446 PR decididos fusionados
9.3/13Newcomer PR acceptance — 5/7 PR de contribuyentes primerizos fusionados en 30 d
7.5/15OpenSSF Scorecard: Code-Review — Found 15/30 approved changesets -- score normalized to 5
Datos de entrada utilizados
merged_prs385
open_issues9
closed_issues63
prs_merged_7d0
prs_decided_7d0
prs_merged_30d6
prs_decided_30d8
issue_closed_ratio0,875
closed_unmerged_prs61
first_time_authors_30d3
first_time_prs_merged_30d5
first_time_prs_decided_30d7

Propiedad y custodia

69Bueno
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
0/20Dominio verificado
23.3/25Alcance del propietario — 1747 seguidores de OpenDCAI
16.1/25Trayectoria — 42 repos públicos, cuenta de ~2 años
Datos de entrada utilizados
followers1747
owner_typeOrganization
is_verifiedno
owner_loginOpenDCAI
public_repos42
account_age_days773

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

67Bueno · 19% del índice global

Prácticas de ingeniería

62Moderado
Cómo se puntúa
24/24Flujos de trabajo de CI — 2 flujo(s) de trabajo
24/24Pruebas presentes
0/16Configuración de linter
0/9.6Hooks de pre-commit
0/6.4.editorconfig
14/20OpenSSF Scorecard: CI-Tests — 14 out of 19 merged PRs checked by a CI test -- score normalized to 7
Datos de entrada utilizados
has_cisí
has_testssí
has_editorconfigno
has_linter_configno
has_precommit_configno

Documentación

75Bueno
Cómo se puntúa
30/30README
0/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://OpenDCAI.github.io/DataFlow-Doc/
10/10Descripción del repositorio
10/10Topics — 13 topics
10/10Wiki
Datos de entrada utilizados
topicsdata, data-cleaning, data-pipelines, data-processing, data-science, data-synthesis, llms, operators, data-agent, sglang-bankend, vllm-backend, gradio-interface, quick-data-processing
has_wikisí
homepagehttps://OpenDCAI.github.io/DataFlow-Doc/
docs_sitehttps://OpenDCAI.github.io/DataFlow-Doc/
has_readmesí
has_docs_dirno
has_descriptionsí

Seguridad

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

60Moderado · 16% del índice global

Postura de seguridad

50Moderado
Cómo se puntúa
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
1.8/2.5CI-Tests — 14 out of 19 merged PRs checked by a CI test -- score normalized to 7
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
3.8/7.5Code-Review — Found 15/30 approved changesets -- score normalized to 5
2.5/2.5Contributors — project has 6 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
2.5/2.5Licencia — license file detected
7.5/7.5Maintained — 23 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
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 — sin datos
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
6/7.5Vulnerabilities — 2 existing vulnerabilities detected
Datos de entrada utilizados
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate5
Excluidos de la puntuación (sin datos o no aplicable): Signed-Releases. Los pesos restantes se han renormalizado.

Avisos de dependencias

100Excepcional
Cómo se puntúa
35/35Dependencias directas libres de avisos conocidos — ninguna dependencia directa tiene un aviso conocido
0/25Dependencias indirectas libres de avisos conocidos — el conjunto transitivo no es separable de las dependencias de desarrollo y prueba en este alcance
0/40Sin avisos pendientes — ningún aviso tiene fecha de publicación
Datos de entrada utilizados
sourceosv
advisories76
affected_packages2
assessed_packages4
unassessed_packages74
affected_by_severitycritical 1, high 1
direct_affected_packages0
Excluidos de la puntuación (sin datos o no aplicable): Dependencias indirectas libres de avisos conocidos, Sin avisos pendientes. Los pesos restantes se han renormalizado. Se cotejaron 4 dependencias resueltas con OSV. 74 no pudieron evaluarse: sin versión resuelta, ecosistema no admitido o fuera de la lista de paquetes informada. Este repositorio no publica ningún paquete que el índice resuelva, por lo que se evaluó en su lugar el grafo de dependencias del repositorio. Ese grafo mezcla fijaciones de desarrollo y prueba con las dependencias distribuidas, de modo que solo se puntúan las dependencias declaradas en tiempo de ejecución; los hallazgos transitivos se informan como contexto y quedan excluidos de la puntuación. No se analiza la alcanzabilidad.

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.

46Débil · 4% del índice global

Contexto y guía para agentes

34En riesgo
Cómo se puntúa
0/45Instrucciones para agentes — sin CLAUDE.md / AGENTS.md / reglas de editor
0/15Documentación legible por máquinas (llms.txt)
34.1/40Historial de commits legible — 64 de 100 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtno
llms_txt_url—
legible_history_share0,64
agent_instruction_files—
agent_instruction_max_bytes—

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

32En riesgo
Cómo se puntúa
0/18Arranque con un solo comando
22/22Pruebas automatizadas
0/11Configuración de lint / formato
0/11Verificación estática de tipos
10/10Entorno reproducible — Dockerfile
0/10Práctica demostrada con agentes — ningún commit con autoría de agente entre los últimos 100
0/8Mantenimiento automatizado — no se observan actualizaciones automáticas de dependencias
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Datos de entrada utilizados
has_nixno
has_testssí
lockfiles—
has_dockerfilesí
typed_languageno
bootstrap_files—
has_devcontainerno
has_linter_configno
typecheck_configs—
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

Legibilidad del código para modelos

54Moderado
Cómo se puntúa
0/45Código verificable por tipos — Python sin configuración de verificación de tipos
54.2/55Tamaños de archivo manejables — 6/417 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes306.985
source_files_sampled417
oversized_source_files6

Interfaces legibles por máquina

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

Datos clave

8186estrellas de GitHub
54contribuidores
350commits en los últimos 12 meses
5días desde el último push
12versiones publicadas
4factor bus
9issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • pypi package 'open-dataflow' points at a different repository (https://github.com/Open-DataFlow/DataFlow); excluded from ecosystem scoring

Más detalle

Historial de estrellas y forks 0 ★ / 1146 ⇿
0Estrellas
1146Forks
2Versiones

Cuándo se añadió cada estrella y fork, recopilado de GitHub y agrupado por día. El crecimiento acumulado se sitúa justo encima de las adiciones diarias que lo componen, de modo que ambos se leen en conjunto: la acumulación orgánica sostenida no se parece en nada a un pico abrupto y efímero. Cuando esa diferencia es medible, se informa como autenticidad del crecimiento.

Solo se muestra el historial más reciente: este repositorio supera la ventana de recopilación, por lo que no se captura el historial más antiguo.

0200400600800100012001146192026-012026-052026-09
Mayor 0Menor 0Parche 2
OpenSSF Scorecard 5.0 / 10
5.0agregado

Evaluación de seguridad independiente y agnóstica en cuanto a herramientas, procedente del proyecto de código abierto OpenSSF Scorecard. Cada comprobación premia una práctica de seguridad, no la herramienta de un proveedor concreto. Las comprobaciones que Scorecard no pudo determinar se marcan como n/d y se excluyen de la puntuación de seguridad (nunca se cuentan como cero).Scorecard v5.5.0 · 2026-09-19 02:37 UTC

10Binary-Artifactsno binaries found in the repo
3Branch-Protectionbranch protection is not maximal on development and all release branches
7CI-Tests14 out of 19 merged PRs checked by a CI test -- score normalized to 7
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
5Code-ReviewFound 15/30 approved changesets -- score normalized to 5
10Contributorsproject has 6 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained23 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
0SASTSAST tool is not run on all commits -- score normalized to 0
0Security-Policysecurity policy file not detected
n/dSigned-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
8Vulnerabilities2 existing vulnerabilities detected
Todas las dependencias 78

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 0 paquetes directos y 78 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIaccelerate—indirecta
PyPIaddict—indirecta
PyPIappdirs—indirecta
PyPIchonkie—indirecta
PyPIcloudpickle—indirecta
PyPIcolorama—indirecta
PyPIcolorlog—indirecta
PyPIcontractions—indirecta
PyPIcookiecutter—indirecta
PyPIdatasets—indirecta
PyPIdatasketch—indirecta
PyPIdb-dtypes—indirecta
PyPIdistflow—indirecta
PyPIdocstring-parser—indirecta
PyPIevaluate—indirecta
PyPIfastapi—indirecta
PyPIfasttext-wheel—indirecta
PyPIfsspec—indirecta
PyPIfunc-timeout—indirecta
PyPIgcsfs—indirecta
PyPIgoogle-api-core—indirecta
PyPIgoogle-api-python-client—indirecta
PyPIgoogle-cloud-aiplatform—indirecta
PyPIgoogle-cloud-bigquery—indirecta
PyPIgoogle-cloud-bigquery-storage—indirecta
PyPIgoogle-genai—indirecta
PyPIgradio—indirecta
PyPIhttpx—indirecta
PyPIjson5—indirecta
PyPIlangkit—indirecta
PyPIlibrosa—indirecta
PyPIlitellm—indirecta
PyPIllamafactory—indirecta
PyPIlxml-html-clean—indirecta
PyPImath-verify—indirecta
PyPImineru2.0.6indirecta
PyPImodelscope—indirecta
PyPInltk—indirecta
PyPInumpy—indirecta
PyPIopen-dataflow—indirecta
PyPIopenai—indirecta
PyPIpandas—indirecta
PyPIpresidio-analyzer—indirecta
PyPIpresidio-anonymizer—indirecta
PyPIpsutil—indirecta
PyPIpyarrow20.0.0indirecta
PyPIpydantic—indirecta
PyPIpyfiglet—indirecta
PyPIpymupdf—indirecta
PyPIpymysql—indirecta
PyPIpypdf—indirecta
PyPIpytest—indirecta
PyPIpyyaml—indirecta
PyPIrapidfuzz—indirecta
PyPIrequests—indirecta
PyPIrich—indirecta
PyPIscipy—indirecta
PyPIsentencepiece—indirecta
PyPIsetuptools—indirecta
PyPIsglang—indirecta
PyPIsimhash—indirecta
PyPIsoundfile—indirecta
PyPIsqlglot—indirecta
PyPIsseclient-py—indirecta
PyPIsymspellpy—indirecta
PyPItermcolor—indirecta
PyPItiktoken—indirecta
PyPItokenizers—indirecta
PyPItorch—indirecta
PyPItorchaudio—indirecta
PyPItorchvision—indirecta
PyPItqdm—indirecta
PyPItrafilatura—indirecta
PyPItransformers—indirecta
PyPIuvicorn—indirecta
PyPIvendi-score0.0.3indirecta
PyPIvllm0.6.3indirecta
PyPIword2number—indirecta
Avisos de dependencias 2

Este repositorio no publica ningún paquete que el índice resuelva, así que se evaluó su propio grafo de dependencias — 4 paquetes, que incluyen también fijaciones de desarrollo y prueba que nunca se distribuyen: 2 tienen avisos conocidos, de los cuales 0 son directas. 74 no pudieron evaluarse: sin versión resuelta, ecosistema no admitido, o fuera de la lista de paquetes informada.

PaqueteVersiónRelaciónGravedadAvisosCorregido en
vllm0.6.3indirectacrítica740.28.0
pyarrow20.0.0indirectaalta223.0.1

Un aviso significa que la versión registrada en el grafo de dependencias cae dentro del rango afectado de un aviso. No se analiza la alcanzabilidad, y el grafo incluye fijaciones de desarrollo y prueba: un hallazgo puede referirse al utillaje y no al software distribuido.

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 OpenDCAI/DataFlow. Leer en paralelo →

93datajuicer/data-juicerData processing for and with foundation models! 🍎 🍋 🌽 ➡️ ➡️🍸 🍹 🍷Excepcional100apache/airflowApache Airflow - A platform to programmatically author, schedule, and monitor workflowsExcepcional94pyjanitor-devs/pyjanitorClean APIs for data cleaning. Python implementation of R package JanitorExcepcional100PrefectHQ/prefectPrefect is a workflow orchestration framework for building resilient data pipelines in Python.Excepcional99kedro-org/kedroKedro is a toolbox for production-ready data science. It uses software engineering best practices to help you create data engineering and data science pipelines that are reproducible, maintainable, and modular.Excepcional99voxel51/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 v0.34.0 — metodología completa · wiki de métricas.

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