Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-09-08 18:44 UTC

cognizant-ai-lab / neuro-san

Neuro AI System of Agent Networks

PythonApache-2.0★ 152 estrellas⑂ 52 forksdesde nov 2024Ver en GitHub ↗
TipoBibliotecacómo se determina

cognizant-ai-lab/neuro-san tiene un índice de salud de 93 sobre 100, lo que lo sitúa en la banda Excepcional. Su puntuación más alta es Vitality (96/100) y la más baja, AI Readiness (47/100). Se actualizó por última vez hoy. Una sola persona concentra la mayor parte del trabajo reciente.

93
global / 100
Excepcional

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.

93
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 79 se calibra a 93 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

Cognizant AI LabOrganización
211 seguidores20 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-san0.7.06660149hace 4 díasllmlangchainagentmulti-agent

Métricas por categoría

Vitalidad

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

96Excepcional · 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 — 3331 commits en el último año
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 14 issue activity found in the last 90 days -- score normalized to 10
Datos de entrada utilizados
commits_last_year3331
human_commit_share0,99
days_since_last_push0
active_weeks_last_year52
Cómo se puntúa
27/27Publica versiones — 100 versiones publicadas
36/36Recencia de las versiones — última versión hace 4 días
27/27Cadencia de publicación — una versión cada ~3,2 días
0/10OpenSSF Scorecard: Signed-Releases — Project has not signed or included provenance with any releases.
Datos de entrada utilizados
releases_count100
latest_release_tag0.7.0
releases_from_tagsno
days_since_latest_release4
mean_days_between_releases3,2

Comunidad y Adopción

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

68Bueno · 17% del índice global
Cómo se puntúa
35.3/60Estrellas — 152 estrellas
14.2/25Forks — 52 forks
5.3/15Observadores — 10 observadores
Datos de entrada utilizados
forks52
stars152
watchers10
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
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_badges0
has_contributingsí
has_issue_templateno
has_code_of_conductsí
readme_badge_services—
has_pull_request_templateno
Cómo se puntúa
51/80Descargas mensuales — 6660 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packagesneuro-san
dependents—
ecosystemspypi
total_downloads—
monthly_downloads6660
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?

68Bueno · 23% del índice global
Cómo se puntúa
9/54Factor bus — la mitad de los commits recae en 1 contribuyente(s)
10.9/22.5Distribución de commits — el principal contribuyente firma el 52% de los commits
13.5/13.5Amplitud de contribuyentes — 21 contribuyentes
3/10OpenSSF Scorecard: Contributors — project has 1 contributing companies or organizations -- score normalized to 3
Datos de entrada utilizados
bus_factor1
contributors_sampled21
top_contributor_share0,517
Cómo se puntúa
31.7/42Resolución de issues — 76% de issues cerradas
28.1/30Aceptación de PR — 802/857 PR decididos fusionados
6.5/13Newcomer PR acceptance — 1/2 PR de contribuyentes primerizos fusionados en 30 d
15/15OpenSSF Scorecard: Code-Review — all changesets reviewed
Datos de entrada utilizados
merged_prs802
open_issues95
closed_issues293
prs_merged_7d8
prs_decided_7d9
prs_merged_30d46
prs_decided_30d52
issue_closed_ratio0,755
closed_unmerged_prs55
first_time_authors_30d2
first_time_prs_merged_30d1
first_time_prs_decided_30d2
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
0/20Dominio verificado
16.7/25Alcance del propietario — 211 seguidores de cognizant-ai-lab
21.6/25Trayectoria — 20 repos públicos, cuenta de ~7 años
Datos de entrada utilizados
followers211
owner_typeOrganization
is_verifiedno
owner_logincognizant-ai-lab
public_repos20
account_age_days2833
Cómo se puntúa
25/25Publicado y resoluble — 1 paquete(s) en pypi
35/35Recencia de publicación — última publicación hace 4 días
20/20Historial de versiones — 149 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagesneuro-san
ecosystemspypi
any_deprecatedno
min_days_since_publish4

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

90Excelente · 19% del índice global
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
20/20OpenSSF Scorecard: CI-Tests — 9 out of 9 merged PRs checked by a CI test -- score normalized to 10
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?

78Bueno · 16% del índice global
Cómo se puntúa
7.5/7.5Binary-Artifacts — no binaries found in the repo
3.8/7.5Branch-Protection — branch protection is not maximal on development and all release branches
2.5/2.5CI-Tests — 9 out of 9 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
7.5/7.5Code-Review — all changesets reviewed
0.8/2.5Contributors — project has 1 contributing companies or organizations -- score normalized to 3
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 14 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
1.5/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 3
5/5SAST — SAST tool is run on all commits
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — Project has not signed or included provenance with any releases.
6.8/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
2.2/7.5Vulnerabilities — 7 existing vulnerabilities detected
Datos de entrada utilizados
sourceopenssf_scorecard
checks_evaluated18
scorecard_versionv5.5.0
checks_inconclusive0
scorecard_aggregate7,1
Cómo se puntúa
35/35Dependencias directas libres de avisos conocidos — ninguna dependencia directa tiene un aviso conocido
25/25Dependencias indirectas libres de avisos conocidos — ninguna dependencia indirecta tiene un aviso conocido
0/40Sin avisos pendientes — ningún aviso tiene fecha de publicación
Datos de entrada utilizados
sourceosv
advisories0
affected_packages0
assessed_packages92
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Excluidos de la puntuación (sin datos o no aplicable): Sin avisos pendientes. Los pesos restantes se han renormalizado. Se cotejó el cierre de dependencias en tiempo de ejecución de pypi:neuro-san@0.7.0 —lo que arrastra la instalación del paquete publicado—: 92 paquetes. 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.

47Débil · 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)
25.9/40Historial de commits legible — 48 de 99 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtno
llms_txt_url—
legible_history_share0,485
agent_instruction_files—
agent_instruction_max_bytes—
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
10/10Práctica demostrada con agentes — 14 de los últimos 100 commits con autoría o crédito de agente
0/8Mantenimiento automatizado — no se observan actualizaciones automáticas de dependencias
3/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 3
Datos de entrada utilizados
has_nixno
has_testssí
lockfiles—
has_dockerfilesí
typed_languageno
bootstrap_files—
has_devcontainerno
has_linter_configsí
typecheck_configs—
agent_commit_share0,14
toolchain_manifests—
dependency_bot_commit_share0
Cómo se puntúa
0/45Código verificable por tipos — Python sin configuración de verificación de tipos
54.9/55Tamaños de archivo manejables — 1/658 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes109.376
source_files_sampled658
oversized_source_files1
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

152estrellas de GitHub
21contribuidores
3331commits en los últimos 12 meses
0días desde el último push
100versiones publicadas
1factor bus
95issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token

Más detalle

Historial de estrellas y forks 0 ★ / 52 ⇿
0Estrellas
52Forks
100Versiones

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.

01020304050605242025-052026-012026-09
Mayor 0Menor 2Parche 98

Cada punto abarca 2 días.

OpenSSF Scorecard 7.1 / 10
7.1agregado

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 · 2026-09-08 18:43 UTC

10Binary-Artifactsno binaries found in the repo
5Branch-Protectionbranch protection is not maximal on development and all release branches
10CI-Tests9 out of 9 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
10Code-Reviewall changesets reviewed
3Contributorsproject has 1 contributing companies or organizations -- score normalized to 3
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 14 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
3Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 3
10SASTSAST tool is run on all commits
10Security-Policysecurity policy file detected
0Signed-ReleasesProject has not signed or included provenance with any releases.
9Token-Permissionsdetected GitHub workflow tokens with excessive permissions
3Vulnerabilities7 existing vulnerabilities detected
Todas las dependencias 57

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 0 paquetes directos y 57 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIaiobotocore—indirecta
PyPIaiofiles—indirecta
PyPIaiohttp—indirecta
PyPIazure-identity—indirecta
PyPIazure-storage-blob—indirecta
PyPIbotocore—indirecta
PyPIbs4—indirecta
PyPIbuild—indirecta
PyPIcmarkgfm—indirecta
PyPIcoverage7.6.1indirecta
PyPIcroniter—indirecta
PyPIflake87.3.0indirecta
PyPIgrpcio-tools—indirecta
PyPIhttpx—indirecta
PyPIidna—indirecta
PyPIjanus—indirecta
PyPIjson-repair—indirecta
PyPIjsonschema—indirecta
PyPIlangchain—indirecta
PyPIlangchain-anthropic—indirecta
PyPIlangchain-aws—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
PyPImcp—indirecta
PyPIobjsize—indirecta
PyPIopenfga-sdk—indirecta
PyPIparameterized—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
PyPIwatchdog—indirecta
PyPIwheel—indirecta
Avisos de dependencias 0

Instalar pypi:neuro-san@0.7.0 arrastra 92 paquetes, directos y transitivos: 0 tienen avisos conocidos, de los cuales 0 son dependencias directas.

Ningún aviso conocido afecta a las dependencias evaluadas.

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.

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.