Registro público
Informe de salud del softwareesquema 0.31.0 · métricas 2.10.0 · 2026-08-13 00:09 UTC

zenml-io / zenml

ZenML 🙏: One AI Platform from Pipelines to Agents. https://zenml.io.

PythonApache-2.0★ 5553 estrellas⑂ 647 forksdesde nov 2020Ver en GitHub ↗
TipoHerramienta de línea de comandosBibliotecaServicio de redcómo se determina
#mlops#machine-learning#data-science#production-ready#devops-tools#zenml#pipelines#metadata-tracking#deep-learning#pytorch#tensorflow#ml#ai#automl#workflow#llm#llmops#agentops#agents#genai

zenml-io/zenml tiene un índice de salud de 97 sobre 100, lo que lo sitúa en la banda Excepcional. Su puntuación más alta es Vitality (100/100) y la más baja, Engineering Quality (72/100). Se actualizó por última vez hoy. 3 personas concentran la mayor parte del trabajo reciente.

97
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.

97
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 85 se calibra a 97 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

ZenMLOrganización
346 seguidores83 repositorios públicosdesde ago 2021

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
PyPIzenml0.96.3-195hace 5 díasmachine-learningproductionpipelinemlopsdevopsaiagentsagentic-workflows

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 — 1086 commits en el último año
0/10OpenSSF Scorecard: Maintained — sin datos
Datos de entrada utilizados
commits_last_year1086
human_commit_share0,83
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 5 días
27/27Cadencia de publicación — una versión cada ~11,7 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count100
latest_release_tag0.96.3
releases_from_tagsno
days_since_latest_release5
mean_days_between_releases11,7

Comunidad y Adopción

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

92Excelente · 17% del índice global

Popularidad y adopción

92Excelente
Cómo se puntúa
60/60Estrellas — 5553 estrellas
23.4/25Forks — 647 forks
9/15Observadores — 42 observadores
Datos de entrada utilizados
forks647
stars5553
watchers42
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

92Excelente
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
6.3/6.3Plantilla 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_templatesí

Sostenibilidad y Gobernanza

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

84Excelente · 23% del índice global

Resiliencia de mantenedores (factor bus)

75Bueno
Cómo se puntúa
36/54Factor bus — la mitad de los commits recae en 3 contribuyente(s)
18/22.5Distribución de commits — el principal contribuyente firma el 20% de los commits
13.5/13.5Amplitud de contribuyentes — 98 contribuyentes
0/10OpenSSF Scorecard: Contributors — sin datos
Datos de entrada utilizados
bus_factor3
contributors_sampled98
top_contributor_share0,199

Capacidad de respuesta a issues y PR

79Bueno
Cómo se puntúa
34.9/42Resolución de issues — 83% de issues cerradas
26.5/30Aceptación de PR — 3894/4403 PR decididos fusionados
5.6/13Newcomer PR acceptance — 3/7 PR de contribuyentes primerizos fusionados en 30 d
0/15OpenSSF Scorecard: Code-Review — sin datos
Datos de entrada utilizados
merged_prs3894
open_issues114
closed_issues564
prs_merged_7d5
prs_decided_7d7
prs_merged_30d34
prs_decided_30d44
issue_closed_ratio0,832
closed_unmerged_prs509
first_time_authors_30d4
first_time_prs_merged_30d3
first_time_prs_decided_30d7

Propiedad y custodia

89Excelente
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
18.3/25Alcance del propietario — 346 seguidores de zenml-io
23/25Trayectoria — 83 repos públicos, cuenta de ~5 años
Datos de entrada utilizados
followers346
owner_typeOrganization
is_verified—
owner_loginzenml-io
public_repos83
account_age_days1829
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 5 días
20/20Historial de versiones — 195 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packageszenml
ecosystemspypi
any_deprecatedno
min_days_since_publish5

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

72Bueno · 19% del índice global

Prácticas de ingeniería

60Moderado
Cómo se puntúa
24/24Flujos de trabajo de CI — 45 flujo(s) de trabajo
24/24Pruebas presentes
0/16Configuración de linter
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_configno
has_precommit_configno

Documentación

90Excelente
Cómo se puntúa
30/30README
25/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://zenml.io
10/10Descripción del repositorio
10/10Topics — 20 topics
0/10Wiki
Datos de entrada utilizados
topicsmlops, machine-learning, data-science, production-ready, devops-tools, zenml, pipelines, metadata-tracking, deep-learning, pytorch, tensorflow, ml, ai, automl, workflow, llm, llmops, agentops, agents, genai
has_wikino
homepagehttps://zenml.io
docs_sitehttps://zenml.io
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?

75Bueno · 16% del índice global

Postura de seguridad

75Bueno
Cómo se puntúa
30/30Política de seguridad (SECURITY.md)
25/25Configuración de Dependabot
0/25Lockfiles de dependencias
20/20Flujo de trabajo de CodeQL
Datos de entrada utilizados
sourcefile_signals
lockfiles—
manifestspyproject.toml
has_codeql_workflowsí
has_security_policysí
has_dependabot_configsí

Avisos de dependencias

74Bueno
Cómo se puntúa
14.8/35Dependencias directas libres de avisos conocidos — 1 afectados: click 8.2.1 (high 7.2)
25/25Dependencias indirectas libres de avisos conocidos — ninguna dependencia indirecta tiene un aviso conocido
33.9/40Sin avisos pendientes — 1 paquete(s) con avisos sin atender más allá de 90 días; el más antiguo publicado hace 104 días
Datos de entrada utilizados
sourceosv
advisories1
affected_packages1
assessed_packages36
unassessed_packages0
affected_by_severityhigh 1
direct_affected_packages1
Se cotejó el cierre de dependencias en tiempo de ejecución de pypi:zenml@0.96.3 —lo que arrastra la instalación del paquete publicado—: 36 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.

78Bueno · 4% del índice global

Contexto y guía para agentes

85Excelente
Cómo se puntúa
45/45Instrucciones para agentes — .cursor/rules/comments.mdc, .cursor/rules/zenml-domain-models.mdc, .cursor/rules/zenml-orm-schema.mdc, .github/CLAUDE.md, AGENTS.md, CLAUDE.md, docs/book/AGENTS.md, examples/rlm_document_analysis/CLAUDE.md, src/zenml/cli/AGENTS.md, src/zenml/integrations/AGENTS.md, src/zenml/models/AGENTS.md, src/zenml/orchestrators/AGENTS.md, src/zenml/zen_server/AGENTS.md, src/zenml/zen_stores/migrations/AGENTS.md, src/zenml/zen_stores/schemas/AGENTS.md
0/15Documentación legible por máquinas (llms.txt)
40/40Historial de commits legible — 80 de 83 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtno
llms_txt_url—
legible_history_share0,964
agent_instruction_files.cursor/rules/comments.mdc, .cursor/rules/zenml-domain-models.mdc, .cursor/rules/zenml-orm-schema.mdc, .github/CLAUDE.md, AGENTS.md, CLAUDE.md, docs/book/AGENTS.md, examples/rlm_document_analysis/CLAUDE.md, src/zenml/cli/AGENTS.md, src/zenml/integrations/AGENTS.md, src/zenml/models/AGENTS.md, src/zenml/orchestrators/AGENTS.md, src/zenml/zen_server/AGENTS.md, src/zenml/zen_stores/migrations/AGENTS.md, src/zenml/zen_stores/schemas/AGENTS.md
agent_instruction_max_bytes21.466

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

86Excelente
Cómo se puntúa
18/18Arranque con un solo comando — examples/e2e/Makefile, examples/e2e_nlp/Makefile
22/22Pruebas automatizadas
0/11Configuración de lint / formato
11/11Verificación estática de tipos — src/zenml/py.typed
10/10Entorno reproducible — Dockerfile
8/10Práctica demostrada con agentes — 4 de los últimos 100 commits con autoría o crédito de agente
8/8Mantenimiento automatizado — 8 de los últimos 100 commits son actualizaciones automáticas de dependencias
0/10OpenSSF Scorecard: Pinned-Dependencies — sin datos
Datos de entrada utilizados
has_nixno
has_testssí
lockfiles—
has_dockerfilesí
typed_languageno
bootstrap_filesexamples/e2e/Makefile, examples/e2e_nlp/Makefile
has_devcontainerno
has_linter_configno
typecheck_configssrc/zenml/py.typed
agent_commit_share0,04
toolchain_manifests—
dependency_bot_commit_share0,08

Legibilidad del código para modelos

82Excelente
Cómo se puntúa
27/45Código verificable por tipos — Python con configuración de verificación de tipos (src/zenml/py.typed)
54.6/55Tamaños de archivo manejables — 19/2441 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes601.707
source_files_sampled2441
oversized_source_files19

Interfaces legibles por máquina

40Débil
Cómo se puntúa
0/40Esquema de API (OpenAPI/GraphQL/proto)
0/20Servidor MCP
40/40Ejemplos ejecutables — examples, notebooks
Datos de entrada utilizados
example_dirsexamples, notebooks
has_mcp_signalno
api_schema_files—
interfaces_expected_ofnetwork-service

Datos clave

5553estrellas de GitHub
98contribuidores
1086commits en los últimos 12 meses
0días desde el último push
100versiones publicadas
3factor bus
114issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • First-time contributor figures cover 12 of 13 authors (cap 12)
  • OpenSSF Scorecard timed out after 240s; skipping Scorecard checks

Más detalle

Historial de estrellas y forks 0 ★ / 647 ⇿
0Estrellas
647Forks
99Versiones

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.

0125250375500625750641112020-122023-102026-08
Mayor 0Menor 45Parche 54

Cada punto abarca 6 días.

Dependencias directas 17
RegistroPaqueteRestricción de versiónManifiesto
PyPIasgiref~=3.10.0pyproject.toml
PyPIclick>=8.0.1,<=8.2.1pyproject.toml
PyPIcloudpickle>=2.0.0pyproject.toml
PyPIdistro>=1.6.0,<2.0.0pyproject.toml
PyPIdocker~=7.1.0pyproject.toml
PyPIgitpython>=3.1.18,<4.0.0pyproject.toml
PyPIjsonref—pyproject.toml
PyPIopentelemetry-instrumentation-logging==0.64b0pyproject.toml
PyPIopentelemetry-sdk==1.43.0pyproject.toml
PyPIpackaging>=24.1pyproject.toml
PyPIpsutil>=5.0.0pyproject.toml
PyPIpydantic>=2.0,<=2.12.5pyproject.toml
PyPIpython-dateutil>=2.8.1,<3.0.0pyproject.toml
PyPIpyyaml>=6.0.1pyproject.toml
PyPIrich>=12.0.0pyproject.toml
PyPIsetuptools>=70.0.0pyproject.toml
PyPIstructlog>=25.5.0pyproject.toml
Todas las dependencias 181

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 16 paquetes directos y 165 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIasgiref—directa
PyPIclick—directa
PyPIcloudpickle—directa
PyPIdistro—directa
PyPIdocker—directa
PyPIgitpython—directa
PyPIopentelemetry-instrumentation-logging0.64b0directa
PyPIopentelemetry-sdk1.43.0directa
PyPIpackaging—directa
PyPIpsutil—directa
PyPIpydantic—directa
PyPIpython-dateutil—directa
PyPIpyyaml—directa
PyPIrich—directa
PyPIsetuptools—directa
PyPIstructlog—directa
PyPIaccelerate—indirecta
PyPIadlfs—indirecta
PyPIalembic—indirecta
PyPIautogen-core—indirecta
PyPIautogen-ext—indirecta
PyPIaws-profile-manager—indirecta
PyPIazure-ai-ml—indirecta
PyPIazure-identity—indirecta
PyPIazure-keyvault-secrets—indirecta
PyPIazure-mgmt-containerregistry—indirecta
PyPIazure-mgmt-containerservice—indirecta
PyPIazure-mgmt-resource—indirecta
PyPIazure-mgmt-storage—indirecta
PyPIazure-storage-blob—indirecta
PyPIbandit—indirecta
PyPIbcrypt4.0.1indirecta
PyPIbeautifulsoup4—indirecta
PyPIbitsandbytes—indirecta
PyPIboto3—indirecta
PyPIcachetools—indirecta
PyPIcopier—indirecta
PyPIcoverage—indirecta
PyPIcrewai—indirecta
PyPIcroniter—indirecta
PyPIdatasets—indirecta
PyPIdatasets2.12.0indirecta
PyPIevaluate—indirecta
PyPIfastapi—indirecta
PyPIfiftyone—indirecta
PyPIfilelock—indirecta
PyPIgcsfs—indirecta
PyPIgoogle-adk—indirecta
PyPIgoogle-cloud-aiplatform—indirecta
PyPIgoogle-cloud-artifact-registry—indirecta
PyPIgoogle-cloud-container—indirecta
PyPIgoogle-cloud-pipeline-components—indirecta
PyPIgoogle-cloud-secret-manager—indirecta
PyPIgoogle-cloud-storage—indirecta
PyPIgradio—indirecta
PyPIharbor—indirecta
PyPIhaystack-ai—indirecta
PyPIhttpx—indirecta
PyPIhttpx2—indirecta
PyPIhvac—indirecta
PyPIhydra-core—indirecta
PyPIhypothesis—indirecta
PyPIipinfo—indirecta
PyPIipython8.10.0indirecta
PyPIitsdangerous—indirecta
PyPIjinja2—indirecta
PyPIjinja2-time—indirecta
PyPIjson5—indirecta
PyPIjsonschema—indirecta
PyPIkfp—indirecta
PyPIkubernetes—indirecta
PyPIlakefs-sdk—indirecta
PyPIlangchain—indirecta
PyPIlangchain-community—indirecta
PyPIlangchain-core—indirecta
PyPIlangchain-openai—indirecta
PyPIlangfuse—indirecta
PyPIlanggraph—indirecta
PyPIlightning—indirecta
PyPIlitellm—indirecta
PyPIllama-index—indirecta
PyPIllama-index-llms-openai—indirecta
PyPImaison—indirecta
PyPImarshmallow—indirecta
PyPImatplotlib—indirecta
PyPImike—indirecta
PyPImkdocs—indirecta
PyPImkdocs-autorefs—indirecta
PyPImkdocs-awesome-pages-plugin—indirecta
PyPImkdocs-material9.6.8indirecta
PyPImkdocstrings—indirecta
PyPImypy1.18.2indirecta
PyPInltk—indirecta
PyPInotebook—indirecta
PyPInumpy—indirecta
PyPInumpy1.22.4indirecta
PyPIomegaconf—indirecta
PyPIopenai—indirecta
PyPIopenai-agents—indirecta
PyPIopencv-python—indirecta
PyPIopentelemetry-exporter-otlp-proto-http—indirecta
PyPIopentelemetry-instrumentation-fastapi—indirecta
PyPIopentelemetry-instrumentation-requests—indirecta
PyPIopentelemetry-instrumentation-sqlalchemy—indirecta
PyPIoptuna—indirecta
PyPIpandas—indirecta
PyPIpandas1.5.3indirecta
PyPIpasslib—indirecta
PyPIpeft—indirecta
PyPIpillow—indirecta
PyPIplotly—indirecta
PyPIpyarrow—indirecta
PyPIpydantic-ai—indirecta
PyPIpydantic-ai-slim—indirecta
PyPIpydoclint—indirecta
PyPIpyjwt—indirecta
PyPIpyment—indirecta
PyPIpymysql—indirecta
PyPIpytest—indirecta
PyPIpytest-clarity—indirecta
PyPIpytest-instafail—indirecta
PyPIpytest-mock—indirecta
PyPIpytest-randomly—indirecta
PyPIpytest-rerunfailures—indirecta
PyPIpytest-split—indirecta
PyPIpython-multipart—indirecta
PyPIpyyaml-include—indirecta
PyPIqwen-agent—indirecta
PyPIredis—indirecta
PyPIrequests—indirecta
PyPIrouge-score—indirecta
PyPIruff—indirecta
PyPIs3fs—indirecta
PyPIsagemaker—indirecta
PyPIscikit-learn—indirecta
PyPIscikit-learn1.5.0indirecta
PyPIscipy—indirecta
PyPIseaborn—indirecta
PyPIsecure—indirecta
PyPIsemantic-kernel—indirecta
PyPIsession-info1.0.0indirecta
PyPIsqlalchemy—indirecta
PyPIsqlmodel0.0.38indirecta
PyPIstrands-agents—indirecta
PyPIstrands-agents-tools—indirecta
PyPItldextract—indirecta
PyPItorch—indirecta
PyPItorchaudio—indirecta
PyPItorchvision—indirecta
PyPItox—indirecta
PyPItransformers—indirecta
PyPItransformers4.28.1indirecta
PyPItypes-cachetools—indirecta
PyPItypes-certifi—indirecta
PyPItypes-croniter—indirecta
PyPItypes-futures—indirecta
PyPItypes-hvac—indirecta
PyPItypes-jsonschema—indirecta
PyPItypes-markdown—indirecta
PyPItypes-paramiko—indirecta
PyPItypes-passlib—indirecta
PyPItypes-pillow—indirecta
PyPItypes-protobuf—indirecta
PyPItypes-psutil—indirecta
PyPItypes-pymysql—indirecta
PyPItypes-python-dateutil—indirecta
PyPItypes-python-slugify—indirecta
PyPItypes-pyyaml—indirecta
PyPItypes-redis—indirecta
PyPItypes-requests—indirecta
PyPItypes-setuptools—indirecta
PyPItypes-six—indirecta
PyPItypes-termcolor—indirecta
PyPItyping-extensions—indirecta
PyPIultralytics—indirecta
PyPIurllib3—indirecta
PyPIuv-build—indirecta
PyPIuvicorn—indirecta
PyPIyamlfix—indirecta
PyPIzenml—indirecta
PyPIzizmor—indirecta
Avisos de dependencias 1

Instalar pypi:zenml@0.96.3 arrastra 36 paquetes, directos y transitivos: 1 tienen avisos conocidos, de los cuales 1 son dependencias directas.

PaqueteVersiónRelaciónGravedadAvisosCorregido en
click8.2.1directaalta18.3.3

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 zenml-io/zenml. Leer en paralelo →

100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Excepcional98Netflix/metaflowBuild, Manage and Deploy AI/ML SystemsExcepcional100ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Excepcional100onnx/onnxOpen standard for machine learning interoperabilityExcepcional98huggingface/datasets🤗 The largest hub of ready-to-use datasets for AI models with fast, easy-to-use and efficient data manipulation toolsExcepcional96roboflow/supervisionWe write your reusable computer vision tools. 💜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 v0.31.0 — metodología completa · wiki de métricas.

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