Registro público
Informe de salud del softwareesquema 0.27.0 · métricas 2.5.0 · 2026-08-01 15:44 UTC

PrincetonUniversity / PsyNeuLink

A block modeling system for cognitive neuroscience

Python · HTMLApache-2.0★ 112 estrellas⑂ 35 forksdesde jun 2016Ver en GitHub ↗
TipoBibliotecacómo se determina

PrincetonUniversity/PsyNeuLink tiene un índice de salud de 88 sobre 100, lo que lo sitúa en la banda Excelente. Su puntuación más alta es Vitality (93/100) y la más baja, AI Readiness (52/100). Se actualizó por última vez hoy. 2 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

PrincetonUniversityOrganización
401 seguidores330 repositorios públicosdesde jul 2012

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
PyPIpsyneulink0.19.1.0568881hace 0 díascognitivemodeling

Métricas por categoría

Vitalidad

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

93Excepcional · 21% del índice global
Cómo se puntúa
36/36Recencia de push — último push hace 0 días
36/36Cadencia de commits — 52/52 semanas con commits
18/18Volumen de commits — 600 commits en el último año
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 1 issue activity found in the last 90 days -- score normalized to 10
Datos de entrada utilizados
commits_last_year600
human_commit_share0,94
days_since_last_push0
active_weeks_last_year52
Cómo se puntúa
27/27Publica versiones — 66 versiones publicadas
36/36Recencia de las versiones — última versión hace 0 días
19.8/27Cadencia de publicación — una versión cada ~106,6 días
0/10OpenSSF Scorecard: Signed-Releases — Project has not signed or included provenance with any releases.
Datos de entrada utilizados
releases_count66
latest_release_tagv0.19.1.0
releases_from_tagsno
days_since_latest_release0
mean_days_between_releases106,6

Comunidad y Adopción

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

60Moderado · 17% del índice global
Cómo se puntúa
33.2/60Estrellas — 112 estrellas
12.8/25Forks — 35 forks
4.3/15Observadores — 7 observadores
Datos de entrada utilizados
forks35
stars112
watchers7
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history
Cómo se puntúa
22.5/22.5README
22.5/22.5Licencia — licencia reconocida (Apache-2.0)
18/18Guía CONTRIBUTING
0/13.5Código de conducta
0/7.2Plantilla de issues
0/6.3Plantilla de PR
Datos de entrada utilizados
has_readme
has_license
readme_badges
has_contributing
has_issue_templateno
has_code_of_conductno
readme_badge_services
has_pull_request_templateno
Cómo se puntúa
50.1/80Descargas mensuales — 5688 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packagespsyneulink
dependents
ecosystemspypi
total_downloads
monthly_downloads5688
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?

74Bueno · 23% del índice global
Cómo se puntúa
25.2/54Factor bus — la mitad de los commits recae en 2 contribuyente(s)
15.4/22.5Distribución de commits — el principal contribuyente firma el 32% de los commits
13.5/13.5Amplitud de contribuyentes — 23 contribuyentes
10/10OpenSSF Scorecard: Contributors — project has 7 contributing companies or organizations
Datos de entrada utilizados
bus_factor2
contributors_sampled23
top_contributor_share0,317
Cómo se puntúa
25.2/42Resolución de issues — 60% de issues cerradas
24.6/30Aceptación de PR — 2833/3448 PR decididos fusionados
0/13Newcomer PR acceptance — ningún PR de un contribuyente primerizo decidido en 30 d
7.5/15OpenSSF Scorecard: Code-Review — Found 2/4 approved changesets -- score normalized to 5
Datos de entrada utilizados
merged_prs2833
open_issues59
closed_issues89
prs_merged_7d
prs_decided_7d
prs_merged_30d
prs_decided_30d
issue_closed_ratio0,601
closed_unmerged_prs615
first_time_authors_30d
first_time_prs_merged_30d
first_time_prs_decided_30d
Excluidos de la puntuación (sin datos o no aplicable): newcomer_pr_acceptance. Los pesos restantes se han renormalizado.
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
0/20Dominio verificado
18.7/25Alcance del propietario — 401 seguidores de PrincetonUniversity
25/25Trayectoria — 330 repos públicos, cuenta de ~14 años
Datos de entrada utilizados
followers401
owner_typeOrganization
is_verified
owner_loginPrincetonUniversity
public_repos330
account_age_days5141
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 — 81 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagespsyneulink
ecosystemspypi
any_deprecatedno
min_days_since_publish0

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

81Excelente · 19% del índice global
Cómo se puntúa
24/24Flujos de trabajo de CI — 6 flujo(s) de trabajo
24/24Pruebas presentes
0/16Configuración de linter
0/9.6Hooks de pre-commit
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 8 out of 8 merged PRs checked by a CI test -- score normalized to 10
Datos de entrada utilizados
has_ci
has_tests
has_editorconfigno
has_linter_configno
has_precommit_configno

Documentación

100Excepcional
Cómo se puntúa
30/30README
25/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://psyneulink.org
10/10Descripción del repositorio
10/10Topics — 3 topics
10/10Wiki
Datos de entrada utilizados
topicscognitive-science, neuroscience, modeling-tools
has_wiki
homepagehttps://psyneulink.org
has_readme
has_docs_dir
has_description

Seguridad

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

61Moderado · 16% del índice global
Cómo se puntúa
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — sin datos
2.5/2.5CI-Tests — 8 out of 8 merged PRs checked by a CI test -- score normalized to 10
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
3.8/7.5Code-Review — Found 2/4 approved changesets -- score normalized to 5
2.5/2.5Contributors — project has 7 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
2.5/2.5Licencia — license file detected
7.5/7.5Maintained — 30 commit(s) and 1 issue activity found in the last 90 days -- score normalized to 10
0/5Packaging — sin datos
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
5/5SAST — SAST tool is run on all commits
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
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Datos de entrada utilizados
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate6,1
Excluidos de la puntuación (sin datos o no aplicable): branch_protection, packaging. 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.

52Moderado · 4% del índice global
Cómo se puntúa
0/45Instrucciones para agentes — sin CLAUDE.md / AGENTS.md / reglas de editor
0/15Documentación legible por máquinas (llms.txt)
32.9/40Historial de commits legible — 58 de 94 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtno
legible_history_share0,617
agent_instruction_files
agent_instruction_max_bytes
Cómo se puntúa
18/18Arranque con un solo comando — docs/Makefile
22/22Pruebas automatizadas
0/11Configuración de lint / formato
0/11Verificación estática de tipos
0/10Entorno reproducible
10/10Práctica demostrada con agentes — 16 de los últimos 100 commits con autoría o crédito de agente
8/8Mantenimiento automatizado — 6 de los últimos 100 commits son 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_tests
lockfiles
has_dockerfileno
typed_languageno
bootstrap_filesdocs/Makefile
has_devcontainerno
has_linter_configno
typecheck_configs
agent_commit_share0,16
toolchain_manifests
dependency_bot_commit_share0,06
Cómo se puntúa
0/45Código verificable por tipos — Python sin configuración de verificación de tipos
47.9/55Tamaños de archivo manejables — 58/448 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes901.826
source_files_sampled448
oversized_source_files58
Cómo se puntúa
40/40Esquema de API (OpenAPI/GraphQL/proto) — psyneulink/core/rpc/graph.proto
0/20Servidor MCP
40/40Ejemplos ejecutables — examples, notebooks
Datos de entrada utilizados
example_dirsexamples, notebooks
has_mcp_signalno
api_schema_filespsyneulink/core/rpc/graph.proto

Datos clave

112estrellas de GitHub
23contribuidores
600commits en los últimos 12 meses
0días desde el último push
66versiones publicadas
2factor bus
59issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • deps.dev does not index pypi:psyneulink@0.19.1.0; advisories assessed against the repository dependency graph instead
  • No resolved dependencies carried a version and a supported ecosystem

Más detalle

Historial de estrellas y forks 0 ★ / 35 ⇿
0Estrellas
35Forks
60Versiones

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.

01325383522017-122022-012026-02
Mayor 0Menor 0Parche 0

Cada punto abarca 8 días.

OpenSSF Scorecard 6.1 / 10
6.1agregado

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 · 2026-08-01 15:44 UTC

10Binary-Artifactsno binaries found in the repo
n/dBranch-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
10CI-Tests8 out of 8 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
5Code-ReviewFound 2/4 approved changesets -- score normalized to 5
10Contributorsproject has 7 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 1 issue activity found in the last 90 days -- score normalized to 10
n/dPackagingpackaging workflow not detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
10SASTSAST tool is run on all commits
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
10Vulnerabilities0 existing vulnerabilities detected
Todas las dependencias 40

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 0 paquetes directos y 40 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIbeartypeindirecta
PyPIcmaesindirecta
PyPIdaskindirecta
PyPIdask-jobqueueindirecta
PyPIdillindirecta
PyPIdistributedindirecta
PyPIfastkdeindirecta
PyPIgraph-schedulerindirecta
PyPIgraphvizindirecta
PyPIgrpcioindirecta
PyPIjupyterindirecta
PyPIleabra-psyneulinkindirecta
PyPIllvmliteindirecta
PyPImatplotlibindirecta
PyPInetworkxindirecta
PyPInumpyindirecta
PyPIoptunaindirecta
PyPIpackagingindirecta
PyPIpandasindirecta
PyPIpillowindirecta
PyPIpintindirecta
PyPIprotobufindirecta
PyPIpsutilindirecta
PyPIpsyneulink-sphinx-themeindirecta
PyPIpycudaindirecta
PyPIpytestindirecta
PyPIpytest-benchmarkindirecta
PyPIpytest-covindirecta
PyPIpytest-forkedindirecta
PyPIpytest-helpers-namespaceindirecta
PyPIpytest-profilingindirecta
PyPIpytest-pycodestyleindirecta
PyPIpytest-ruffindirecta
PyPIpytest-xdistindirecta
PyPIrichindirecta
PyPIscipyindirecta
PyPIsphinxindirecta
PyPIsphinx-autodoc-typehintsindirecta
PyPIstandard-imghdrindirecta
PyPItoposortindirecta
Avisos de dependencias sin evaluar

El cotejo de avisos no pudo ejecutarse para este informe: No resolved dependencies carried a version and a supported ecosystem

Informe JSON sin procesar legible por máquina

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 v2.5.0, esquema v0.27.0 — metodología completa · wiki de métricas.

Cómo se sitúa un resultado dentro del registro general: estadísticas agregadasPyPI.