Informe de salud del softwareesquema 0.12.0 · métricas 2.10.0 · 2026-07-17 20:20 UTC

Trampoline-AI / predict-rlm

Production focused Self-harnessed LM runtime (RLM) that allows the LM to call its sub-lm with DSPy signatures. Define your inputs, outputs, and tools — the model handles its own control flow. Get fully interpretable trajectories and performance that scales directly with model improvements. Without context rot.

PythonMIT★ 413 estrellas⑂ 44 forksdesde mar 2026Ver en GitHub ↗

TipoBibliotecacómo se determina

#dspy #llm #rlm

Trampoline-AI/predict-rlm tiene un índice de salud de 77 sobre 100, lo que lo sitúa en la banda Bueno. Su puntuación más alta es Vitality (85/100) y la más baja, Security (51/100). Se actualizó por última vez hoy. Una sola persona concentra la mayor parte del trabajo reciente.

global / 100

Bueno

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.

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)

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 66 se calibra a 77 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

Trampoline AIOrganización

13 seguidores4 repositorios públicosdesde abr 2023

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

Ecosistemas de paquetes

Registro	Paquete	Versión	Descargas / mes	Versiones	Última publicación	Etiquetas
PyPI	predict-rlm	0.7.3	17.860	23	hace 0 días	ai dspy language-models reasoning rlm tool-use

Métricas por categoría

Vitalidad

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

85Excelente · 21% del índice global

Actividad de desarrollo

75Bueno

Cómo se puntúa

36/36	Recencia de push — último push hace 0 días
11.1/36	Cadencia de commits — 16/52 semanas con commits
18/18	Volumen de commits — 341 commits en el último año
10/10	OpenSSF Scorecard: Maintained — 30 commit(s) and 5 issue activity found in the last 90 days -- score normalized to 10

Datos de entrada utilizados

commits_last_year	341
human_commit_share	—
days_since_last_push	0
active_weeks_last_year	16

Disciplina de publicación

100Excepcional

Cómo se puntúa

27/27	Publica versiones — 23 versiones publicadas
36/36	Recencia de las versiones — última versión hace 0 días
27/27	Cadencia de publicación — una versión cada ~5,8 días
0/10	OpenSSF Scorecard: Signed-Releases — sin datos

Datos de entrada utilizados

releases_count	23
latest_release_tag	v0.8.0-alpha0
releases_from_tags	no
days_since_latest_release	0
mean_days_between_releases	5,8

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?

58Moderado · 17% del índice global

Popularidad y adopción

58Moderado

Cómo se puntúa

42.4/60	Estrellas — 413 estrellas
13.6/25	Forks — 44 forks
1.7/15	Observadores — 3 observadores

Datos de entrada utilizados

forks	44
stars	413
watchers	3
growth_state	unverified
growth_factor_pct	100
growth_unverified_reason	no_history

Salud de la comunidad

50Moderado

Cómo se puntúa

22.5/22.5	README
22.5/22.5	Licencia — licencia reconocida (MIT)
0/18	Guía CONTRIBUTING
0/13.5	Código de conducta
0/7.2	Plantilla de issues
0/6.3	Plantilla de PR

Datos de entrada utilizados

has_readme	sí
has_license	sí
readme_badges	—
has_contributing	no
has_issue_template	no
has_code_of_conduct	no
readme_badge_services	—
has_pull_request_template	no

Adopción en el ecosistema (descargas)

71Bueno

Cómo se puntúa

56.7/80	Descargas mensuales — 17.860 descargas/mes en pypi
0/20	Dependientes en el registro — no lo informa este ecosistema

Datos de entrada utilizados

packages	predict-rlm
dependents	—
ecosystems	pypi
total_downloads	—
monthly_downloads	17.860
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?

57Moderado · 23% del índice global

Resiliencia de mantenedores (factor bus)

30En riesgo

Cómo se puntúa

9/54	Factor bus — la mitad de los commits recae en 1 contribuyente(s)
5.8/22.5	Distribución de commits — el principal contribuyente firma el 74% de los commits
5.4/13.5	Amplitud de contribuyentes — 4 contribuyentes
10/10	OpenSSF Scorecard: Contributors — project has 3 contributing companies or organizations -- score normalized to 10

Datos de entrada utilizados

bus_factor	1
contributors_sampled	4
top_contributor_share	0,744

Capacidad de respuesta a issues y PR

49Débil

Cómo se puntúa

12.9/42	Resolución de issues — 31% de issues cerradas
23.4/30	Aceptación de PR — 32/41 PR decididos fusionados
0/13	Newcomer PR acceptance — ningún PR de un contribuyente primerizo decidido en 30 d
6/15	OpenSSF Scorecard: Code-Review — Found 5/11 approved changesets -- score normalized to 4

Datos de entrada utilizados

merged_prs	32
open_issues	9
closed_issues	4
prs_merged_7d	—
prs_decided_7d	—
prs_merged_30d	—
prs_decided_30d	—
issue_closed_ratio	0,308
closed_unmerged_prs	9
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.

Propiedad y custodia

62Moderado

Cómo se puntúa

30/30	Respaldo de la propiedad — propiedad de una organización
0/20	Dominio verificado — el estado de dominio verificado no se leyó para esta organización
8.2/25	Alcance del propietario — 13 seguidores de Trampoline-AI
11.7/25	Trayectoria — 4 repos públicos, cuenta de ~3 años

Datos de entrada utilizados

followers	13
owner_type	Organization
is_verified	—
owner_login	Trampoline-AI
public_repos	4
account_age_days	1201

Excluidos de la puntuación (sin datos o no aplicable): Dominio verificado. Los pesos restantes se han renormalizado.

Mantenimiento de paquetes

100Excepcional

Cómo se puntúa

25/25	Publicado y resoluble — 1 paquete(s) en pypi
35/35	Recencia de publicación — última publicación hace 0 días
20/20	Historial de versiones — 23 versiones en el registro
20/20	No obsoleto — activo, ni obsoleto ni retirado

Datos de entrada utilizados

packages	predict-rlm
ecosystems	pypi
any_deprecated	no
min_days_since_publish	0

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

77Bueno · 19% del índice global

Prácticas de ingeniería

68Bueno

Cómo se puntúa

24/24	Flujos de trabajo de CI — 2 flujo(s) de trabajo
24/24	Pruebas presentes
0/16	Configuración de linter
0/9.6	Hooks de pre-commit
0/6.4	.editorconfig
20/20	OpenSSF Scorecard: CI-Tests — 7 out of 7 merged PRs checked by a CI test -- score normalized to 10

Datos de entrada utilizados

has_ci	sí
has_tests	sí
has_editorconfig	no
has_linter_config	no
has_precommit_config	no

Documentación

90Excelente

Cómo se puntúa

30/30	README
25/25	Directorio de documentación
15/15	Sitio de documentación / página del proyecto — https://trampoline.ai
10/10	Descripción del repositorio
10/10	Topics — 3 topics
0/10	Wiki

Datos de entrada utilizados

topics	dspy, llm, rlm
has_wiki	no
homepage	https://trampoline.ai
docs_site	https://trampoline.ai
has_readme	sí
has_docs_dir	sí
has_description	sí

Seguridad

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

51Moderado · 16% del índice global

Postura de seguridad

51Moderado

Cómo se puntúa

7.5/7.5	Binary-Artifacts — no binaries found in the repo
0.8/7.5	Branch-Protection — branch protection is not maximal on development and all release branches
2.5/2.5	CI-Tests — 7 out of 7 merged PRs checked by a CI test -- score normalized to 10
0/2.5	CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
3/7.5	Code-Review — Found 5/11 approved changesets -- score normalized to 4
2.5/2.5	Contributors — project has 3 contributing companies or organizations -- score normalized to 10
10/10	Dangerous-Workflow — no dangerous workflow patterns detected
0/7.5	Dependency-Update-Tool — no update tool detected
0/5	Fuzzing — project is not fuzzed
2.5/2.5	Licencia — license file detected
7.5/7.5	Maintained — 30 commit(s) and 5 issue activity found in the last 90 days -- score normalized to 10
5/5	Packaging — packaging workflow detected
1/5	Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 2
0/5	SAST — SAST tool is not run on all commits -- score normalized to 0
0/5	Security-Policy — security policy file not detected
0/7.5	Signed-Releases — sin datos
0/7.5	Token-Permissions — detected GitHub workflow tokens with excessive permissions
7.5/7.5	Vulnerabilities — 0 existing vulnerabilities detected

Datos de entrada utilizados

source	openssf_scorecard
checks_evaluated	17
scorecard_version	v5.5.0
checks_inconclusive	1
scorecard_aggregate	5,1

Excluidos de la puntuación (sin datos o no aplicable): Signed-Releases. 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.

70Bueno · 4% del índice global

Contexto y guía para agentes

75Bueno

Cómo se puntúa

45/45	Instrucciones para agentes — AGENTS.md
0/15	Documentación legible por máquinas (llms.txt)
0/40	Historial de commits legible — sin datos

Datos de entrada utilizados

has_llms_txt	no
llms_txt_url	—
legible_history_share	—
agent_instruction_files	AGENTS.md
agent_instruction_max_bytes	8388

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)

63Moderado

Cómo se puntúa

18/18	Arranque con un solo comando — Makefile, examples/appworld/Makefile, examples/spreadbench/Makefile, examples/terminal_bench/Makefile
22/22	Pruebas automatizadas
0/11	Configuración de lint / formato
0/11	Verificación estática de tipos
10/10	Entorno reproducible — Dockerfile
0/10	Práctica demostrada con agentes — sin datos
0/8	Mantenimiento automatizado — sin datos
2/10	OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 2

Datos de entrada utilizados

has_nix	no
has_tests	sí
lockfiles	—
has_dockerfile	sí
typed_language	no
bootstrap_files	Makefile, examples/appworld/Makefile, examples/spreadbench/Makefile, examples/terminal_bench/Makefile
has_devcontainer	no
has_linter_config	no
typecheck_configs	—
agent_commit_share	—
toolchain_manifests	—
dependency_bot_commit_share	—

Excluidos de la puntuación (sin datos o no aplicable): Práctica demostrada con agentes, Mantenimiento automatizado. Los pesos restantes se han renormalizado.

Legibilidad del código para modelos

52Moderado

Cómo se puntúa

0/45	Código verificable por tipos — Python sin configuración de verificación de tipos
52.3/55	Tamaños de archivo manejables — 12/245 archivos fuente de más de 60 KB

Datos de entrada utilizados

primary_language	Python
largest_source_bytes	196.284
source_files_sampled	245
oversized_source_files	12

Interfaces legibles por máquina

100Excepcional

Cómo se puntúa

0/40	Esquema de API (OpenAPI/GraphQL/proto) — no aplicable a este tipo de software
0/20	Servidor MCP — no aplicable a este tipo de software
40/40	Ejemplos ejecutables — examples, notebooks, sample

Datos de entrada utilizados

example_dirs	examples, notebooks, sample
has_mcp_signal	no
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

413estrellas de GitHub

4contribuidores

341commits en los últimos 12 meses

0días desde el último push

23versiones publicadas

1factor bus

9issues abiertas

PyPIecosistemas de paquetes

Más detalle

OpenSSF Scorecard 5.1 / 10

5.1agregado

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 · 2026-07-17 20:19 UTC

10	Binary-Artifacts	no binaries found in the repo
1	Branch-Protection	branch protection is not maximal on development and all release branches
10	CI-Tests	7 out of 7 merged PRs checked by a CI test -- score normalized to 10
0	CII-Best-Practices	no effort to earn an OpenSSF best practices badge detected
4	Code-Review	Found 5/11 approved changesets -- score normalized to 4
10	Contributors	project has 3 contributing companies or organizations -- score normalized to 10
10	Dangerous-Workflow	no dangerous workflow patterns detected
0	Dependency-Update-Tool	no update tool detected
0	Fuzzing	project is not fuzzed
10	License	license file detected
10	Maintained	30 commit(s) and 5 issue activity found in the last 90 days -- score normalized to 10
10	Packaging	packaging workflow detected
2	Pinned-Dependencies	dependency not pinned by hash detected -- score normalized to 2
0	SAST	SAST tool is not run on all commits -- score normalized to 0
0	Security-Policy	security policy file not detected
n/d	Signed-Releases	no releases found
0	Token-Permissions	detected GitHub workflow tokens with excessive permissions
10	Vulnerabilities	0 existing vulnerabilities detected

Dependencias directas 6

Registro	Paquete	Restricción de versión	Manifiesto
PyPI	deno	`>=2`	pyproject.toml
PyPI	dspy	`>=3.2.1`	pyproject.toml
PyPI	nest-asyncio	`>=1.6.0`	pyproject.toml
PyPI	pygments	`>=2.0.0`	pyproject.toml
PyPI	pydantic	`>=2.8.2,<3`	pyproject.toml
PyPI	tenacity	`>=8.2.0`	pyproject.toml

Todas las dependencias 22

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 6 paquetes directos y 16 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

Registro	Paquete	Versión	Relación
PyPI	deno	`—`	directa
PyPI	dspy	`—`	directa
PyPI	nest-asyncio	`—`	directa
PyPI	pydantic	`—`	directa
PyPI	pygments	`—`	directa
PyPI	tenacity	`—`	directa
PyPI	formulas	`—`	indirecta
PyPI	gepa	`—`	indirecta
PyPI	ipykernel	`—`	indirecta
PyPI	kaleido	`—`	indirecta
PyPI	litellm	`—`	indirecta
PyPI	openai	`—`	indirecta
PyPI	openpyxl	`—`	indirecta
PyPI	plotly	`—`	indirecta
PyPI	pymupdf	`—`	indirecta
PyPI	pytest	`—`	indirecta
PyPI	pytest-asyncio	`—`	indirecta
PyPI	pytest-cov	`—`	indirecta
PyPI	pytest-testdox	`—`	indirecta
PyPI	ruff	`—`	indirecta
PyPI	tqdm	`—`	indirecta
PyPI	websockets	`—`	indirecta

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.

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 v0.12.0 — metodología completa · wiki de métricas.

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

Índice de salud del software

Perfil de puntuación

Titularidad

Ecosistemas de paquetes

Métricas por categoría

Datos clave

Más detalle

Comentarios

Registros relacionados