Registro público
Informe de salud del softwareesquema 0.11.0 · métricas 2.10.0 · 2026-07-15 16:55 UTC

cognizant-ai-lab / neuro-san

Neuro AI System of Agent Networks

PythonApache-2.0★ 136 estrellas⑂ 43 forksdesde nov 2024Ver en GitHub ↗
TipoBibliotecacómo se determina
#agents#ai#ai-agents#mas#multi-agent-systems#mutli-agent#ai-agents-framework#langchain#multi-agent-framework#agentic-ai#agentic-framework#llms#aaosa#sly-data

cognizant-ai-lab/neuro-san tiene un índice de salud de 92 sobre 100, lo que lo sitúa en la banda Excelente. Su puntuación más alta es Vitality (100/100) y la más baja, AI Readiness (42/100). Se actualizó por última vez hoy. Una sola persona concentra la mayor parte del trabajo reciente.

92
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.

92
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 78 se calibra a 92 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

Cognizant AI LabOrganización
188 seguidores18 repositorios públicosdesde dic 2018

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
PyPIneuro-san0.6.79-129hace 0 díasllmlangchainagentmulti-agent

Métricas por categoría

Vitalidad

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

100Excepcional · 21% del índice global

Actividad de desarrollo

100Excepcional
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 — 3078 commits en el último año
0/10OpenSSF Scorecard: Maintained — sin datos
Datos de entrada utilizados
commits_last_year3078
human_commit_share—
days_since_last_push0
active_weeks_last_year52

Disciplina de publicación

100Excepcional
Cómo se puntúa
27/27Publica versiones — 100 versiones publicadas
36/36Recencia de las versiones — última versión hace 0 días
27/27Cadencia de publicación — una versión cada ~0,9 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count100
latest_release_tag0.6.79
releases_from_tagsno
days_since_latest_release0
mean_days_between_releases0,9

Comunidad y Adopción

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

68Bueno · 17% del índice global

Popularidad y adopción

53Moderado
Cómo se puntúa
34.6/60Estrellas — 136 estrellas
13.5/25Forks — 43 forks
5.3/15Observadores — 10 observadores
Datos de entrada utilizados
forks43
stars136
watchers10
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

85Excelente
Cómo se puntúa
22.5/22.5README
22.5/22.5Licencia — licencia reconocida (Apache-2.0)
18/18Guía CONTRIBUTING
13.5/13.5Código de conducta
0/7.2Plantilla de issues
0/6.3Plantilla 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_templateno

Sostenibilidad y Gobernanza

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

72Bueno · 23% del índice global

Resiliencia de mantenedores (factor bus)

37Débil
Cómo se puntúa
9/54Factor bus — la mitad de los commits recae en 1 contribuyente(s)
10.7/22.5Distribución de commits — el principal contribuyente firma el 53% de los commits
13.5/13.5Amplitud de contribuyentes — 21 contribuyentes
0/10OpenSSF Scorecard: Contributors — sin datos
Datos de entrada utilizados
bus_factor1
contributors_sampled21
top_contributor_share0,526

Capacidad de respuesta a issues y PR

79Bueno
Cómo se puntúa
29/42Resolución de issues — 69% de issues cerradas
28.1/30Aceptación de PR — 709/756 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_prs709
open_issues102
closed_issues227
prs_merged_7d—
prs_decided_7d—
prs_merged_30d—
prs_decided_30d—
issue_closed_ratio0,69
closed_unmerged_prs47
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

85Excelente
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
0/20Dominio verificado — el estado de dominio verificado no se leyó para esta organización
16.4/25Alcance del propietario — 188 seguidores de cognizant-ai-lab
21.3/25Trayectoria — 18 repos públicos, cuenta de ~7 años
Datos de entrada utilizados
followers188
owner_typeOrganization
is_verified—
owner_logincognizant-ai-lab
public_repos18
account_age_days2778
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 — 129 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagesneuro-san
ecosystemspypi
any_deprecatedno
min_days_since_publish0

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

88Excelente · 19% del índice global

Prácticas de ingeniería

80Excelente
Cómo se puntúa
24/24Flujos de trabajo de CI — 6 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter — .flake8, .pylintrc
0/9.6Hooks 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_configno

Documentación

100Excepcional
Cómo se puntúa
30/30README
25/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://decisionai.ml/neuro-san
10/10Descripción del repositorio
10/10Topics — 14 topics
10/10Wiki
Datos de entrada utilizados
topicsagents, ai, ai-agents, mas, multi-agent-systems, mutli-agent, ai-agents-framework, langchain, multi-agent-framework, agentic-ai, agentic-framework, llms, aaosa, sly-data
has_wikisí
homepagehttps://decisionai.ml/neuro-san
docs_sitehttps://decisionai.ml/neuro-san
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?

67Bueno · 16% del índice global

Postura de seguridad

67Bueno
Cómo se puntúa
30/30Política de seguridad (SECURITY.md)
0/25Configuración de Dependabot
0/25Lockfiles de dependencias — biblioteca publicada — los lockfiles son cosa de las aplicaciones, no se esperan aquí
20/20Flujo de trabajo de CodeQL
Datos de entrada utilizados
sourcefile_signals
lockfiles—
manifestspyproject.toml, requirements-build.txt, requirements.txt, setup.py
has_codeql_workflowsí
has_security_policysí
has_dependabot_configno
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.

42Débil · 4% del índice global

Contexto y guía para agentes

1Crítico
Cómo se puntúa
0/45Instrucciones para agentes — sin CLAUDE.md / AGENTS.md / reglas de editor
0/15Documentación legible por máquinas (llms.txt)
0/40Historial de commits legible — sin datos
Datos de entrada utilizados
has_llms_txtno
llms_txt_url—
legible_history_share—
agent_instruction_files—
agent_instruction_max_bytes—
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)

60Moderado
Cómo se puntúa
0/18Arranque con un solo comando
22/22Pruebas automatizadas
11/11Configuración de lint / formato — .flake8, .pylintrc
0/11Verificación estática de tipos
10/10Entorno reproducible — Dockerfile
0/10Práctica demostrada con agentes — sin datos
0/8Mantenimiento automatizado — sin datos
0/10OpenSSF Scorecard: Pinned-Dependencies — sin datos
Datos de entrada utilizados
has_nixno
has_testssí
lockfiles—
has_dockerfilesí
typed_languageno
bootstrap_files—
has_devcontainerno
has_linter_configsí
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

55Moderado
Cómo se puntúa
0/45Código verificable por tipos — Python sin configuración de verificación de tipos
55/55Tamaños de archivo manejables — 0/519 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes36.180
source_files_sampled519
oversized_source_files0

Interfaces legibles por máquina

60Moderado
Cómo se puntúa
40/40Esquema de API (OpenAPI/GraphQL/proto) — neuro_san/api/grpc/agent.proto, neuro_san/api/grpc/chat.proto, neuro_san/api/grpc/concierge.proto, neuro_san/api/grpc/google/api/annotations.proto, neuro_san/api/grpc/google/api/http.proto, neuro_san/api/grpc/mime_data.proto
20/20Servidor MCP
0/40Ejemplos ejecutables
Datos de entrada utilizados
example_dirs—
has_mcp_signalsí
api_schema_filesneuro_san/api/grpc/agent.proto, neuro_san/api/grpc/chat.proto, neuro_san/api/grpc/concierge.proto, neuro_san/api/grpc/google/api/annotations.proto, neuro_san/api/grpc/google/api/http.proto, neuro_san/api/grpc/mime_data.proto
interfaces_expected_of—

Datos clave

136estrellas de GitHub
21contribuidores
3078commits en los últimos 12 meses
0días desde el último push
100versiones publicadas
1factor bus
102issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • OpenSSF Scorecard timed out after 240s; skipping Scorecard checks

Más detalle

Todas las dependencias 62

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 0 paquetes directos y 62 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIaiobotocore—indirecta
PyPIaiofiles—indirecta
PyPIaiohttp—indirecta
PyPIboto3—indirecta
PyPIbotocore—indirecta
PyPIbs4—indirecta
PyPIbuild—indirecta
PyPIcmarkgfm—indirecta
PyPIcoverage7.6.1indirecta
PyPIcroniter—indirecta
PyPIflake87.3.0indirecta
PyPIgrpcio—indirecta
PyPIgrpcio-tools—indirecta
PyPIhttpx—indirecta
PyPIidna—indirecta
PyPIjanus—indirecta
PyPIjson-repair—indirecta
PyPIjsonschema—indirecta
PyPIlangchain—indirecta
PyPIlangchain-anthropic—indirecta
PyPIlangchain-aws—indirecta
PyPIlangchain-classic—indirecta
PyPIlangchain-community—indirecta
PyPIlangchain-core—indirecta
PyPIlangchain-google-genai—indirecta
PyPIlangchain-mcp-adapters—indirecta
PyPIlangchain-nvidia-ai-endpoints—indirecta
PyPIlangchain-ollama—indirecta
PyPIlangchain-openai—indirecta
PyPIlangchain-openrouter—indirecta
PyPIlangfuse—indirecta
PyPIleaf-common—indirecta
PyPIleaf-server-common—indirecta
PyPImcp—indirecta
PyPIobjsize—indirecta
PyPIopenfga-sdk—indirecta
PyPIparameterized—indirecta
PyPIprotobuf—indirecta
PyPIpsutil—indirecta
PyPIpydantic—indirecta
PyPIpyhocon—indirecta
PyPIpylint4.0.2indirecta
PyPIpylint-protobuf0.22.0indirecta
PyPIpymarkdownlnt0.9.30indirecta
PyPIpyopenssl—indirecta
PyPIpytest9.0.3indirecta
PyPIpytest-asyncio1.3.0indirecta
PyPIpytest-cov5.0.0indirecta
PyPIpytest-timeout—indirecta
PyPIpytest-timer1.0.0indirecta
PyPIpytest-xdist—indirecta
PyPIreadme-renderer—indirecta
PyPIruamel-yaml—indirecta
PyPIsetuptools—indirecta
PyPIsetuptools-scm8.1.0indirecta
PyPItimedinput—indirecta
PyPItimeout-decorator0.5.0indirecta
PyPItornado—indirecta
PyPIurllib3—indirecta
PyPIvalidators—indirecta
PyPIwatchdog—indirecta
PyPIwheel—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.

El mensaje se conserva durante el inicio de sesión.

Registros relacionados

Repositorios inspeccionados que comparten etiquetas de catálogo o ecosistemas con cognizant-ai-lab/neuro-san. Leer en paralelo →

99google/adk-pythonAn open-source, code-first Python toolkit for building, evaluating, and deploying sophisticated AI agents with flexibility and control.Excepcional96google/adk-jsAn open-source, code-first Typescript toolkit for building, evaluating, and deploying sophisticated AI agents with flexibility and control.Excepcional99ag2ai/ag2AG2 (formerly AutoGen): The Open-Source AgentOS.Join us at: https://discord.gg/sNGSwQME3xExcepcional98bytedance/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.Excepcional100deepset-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.Excepcional98ModelEngine-Group/nexentNexent is a zero-code platform for auto-generating production-grade AI agents using Harness Engineering principles — unified tools, skills, memory, and orchestration with built-in constraints, feedback loops, and control planes.Excepcional

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.