Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-10-22 21:31 UTC

cognizant-ai-lab / neuro-san

Neuro AI System of Agent Networks

PythonApache-2.0★ 162 зірки⑂ 58 форківз лист. 2024 р.Переглянути на GitHub ↗
ТипБібліотекаяк це визначено
#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 має індекс здоров’я 94 зі 100, що відповідає смузі «Винятковий». Найвищий показник — Vitality (96/100), найнижчий — AI Readiness (55/100). Останнє оновлення — сьогодні. Більшість нещодавньої роботи виконують 2 учасники.

94
загалом / 100
Винятковий

Індекс здоров'я програмного забезпечення

Метрики згруповано у зважені категорії на шкалі 1–100. Загальна оцінка починається як їхнє зважене середнє, відкаліброване за розподілом публічного реєстру, тож діапазони мають перцентильний зміст; коли публічні дані активують Політику юрисдикцій високого ризику, рейтинг коригується й отримує верхню межу 34 («У зоні ризику»).

94
Винятковий93-100Верхній щабель реєстру (≈ топ-5%); відповідає практично всім перевіреним критеріям
Відмінний80-92Сильний за всіма напрямами; незначні прогалини
Добрий65-79Здоровий; прогалини обмежені та керовані
Помірний50-64Прийнятний, але з помітними прогалинами; рекомендовано перевірку
Слабкий35-49Суттєві недоліки в кількох сферах
У зоні ризику20-34Суттєві слабкі місця; впровадження потребує обережності
Критичний1-19Серйозні проблеми (покинутий, єдиний мейнтейнер, без базової гігієни)
ЖиттєздатністьСпільнота тавпровадженняСталість таврядуванняІнженернаякістьБезпекаГотовність доШІ

Профіль оцінок

Кожна вісь — окрема категорія. Форма важить більше, ніж середнє: здоровий об'єкт заповнює всю фігуру, тоді як профіль із піками та провалами означає, що сила в одному вимірі маскує ризик в іншому.

Зважений загальний бал 81 калібровано до 94 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

Cognizant AI LabОрганізація
217 підписників20 публічних репозиторіївз груд. 2018 р.

За цим репозиторієм стоїть організація — спільна, підзвітна опіка, здатна пережити будь-якого окремого мейнтейнера.

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікаціяТеги
PyPIneuro-san0.7.137 4691621 день томуllmlangchainagentmulti-agent

Метрики за категоріями

Життєздатність

Чи живий проєкт — чи пишеться код і чи виходять релізи?

96Винятковий · 21% загального індексу

Активність розробки

100Винятковий
Як обчислюється оцінка
36/36Свіжість push — останній push 0 дн. тому
36/36Ритм комітів — 52/52 тижнів із комітами
18/18Обсяг комітів — 3 980 комітів за останній рік
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 13 issue activity found in the last 90 days -- score normalized to 10
Використані вхідні дані
commits_last_year3 980
human_commit_share1
days_since_last_push0
active_weeks_last_year52

Дисципліна релізів

90Відмінний
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 100 релізів
36/36Свіжість релізів — останній реліз 1 дн. тому
27/27Ритм релізів — реліз кожні ~3,6 дн.
0/10OpenSSF Scorecard: Signed-Releases — Project has not signed or included provenance with any releases.
Використані вхідні дані
releases_count100
latest_release_tag0.7.13
releases_from_tagsні
days_since_latest_release1
mean_days_between_releases3,6

Спільнота та впровадження

Чи має проєкт користувачів, завантаження, увагу та влаштовані умови для контриб’юторів?

68Добрий · 17% загального індексу

Популярність і впровадження

56Помірний
Як обчислюється оцінка
35.8/60Зірки — 162 зірок
14.6/25Форки — 58 форків
5.3/15Спостерігачі — 10 спостерігачів
Використані вхідні дані
forks58
stars162
watchers10
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Здоров'я спільноти

85Відмінний
Як обчислюється оцінка
22.5/22.5README
22.5/22.5Ліцензія — визнана ліцензія (Apache-2.0)
18/18Настанови CONTRIBUTING
13.5/13.5Кодекс поведінки
0/7.2Шаблон issue
0/6.3Шаблон PR
Використані вхідні дані
has_readmeтак
has_licenseтак
readme_badges0
has_contributingтак
has_issue_templateні
has_code_of_conductтак
readme_badge_services—
has_pull_request_templateні

Впровадження в екосистемі (завантаження)

64Помірний
Як обчислюється оцінка
51.6/80Щомісячні завантаження — 7 469 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packagesneuro-san
dependents—
ecosystemspypi
total_downloads—
monthly_downloads7 469
unverified_packages_excluded—
Виключено з оцінювання (немає даних або не застосовно): Залежні пакети в реєстрі. Залишкові ваги перенормовано.

Сталість та врядування

Чи переживе проєкт своїх людей — бас-фактор, реактивність, хто за ним стоїть і як супроводжуються пакети?

77Добрий · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

60Помірний
Як обчислюється оцінка
25.2/54Бас-фактор — на 2 контриб’ютор(ів) припадає половина всіх комітів
11.8/22.5Розподіл комітів — головний контриб’ютор — автор 48% комітів
13.5/13.5Широта контриб’юторів — 22 контриб’юторів
10/10OpenSSF Scorecard: Contributors — project has 9 contributing companies or organizations
Використані вхідні дані
bus_factor2
contributors_sampled22
top_contributor_share0,477

Реактивність на issue та PR

88Відмінний
Як обчислюється оцінка
32.4/42Вирішення issue — закрито 77% issue
28.1/30Прийняття PR — злито 971/1 035 вирішених PR
13/13Newcomer PR acceptance — злито 1/1 PR від новачків за 30 дн.
15/15OpenSSF Scorecard: Code-Review — all changesets reviewed
Використані вхідні дані
merged_prs971
open_issues110
closed_issues372
prs_merged_7d36
prs_decided_7d36
prs_merged_30d57
prs_decided_30d58
issue_closed_ratio0,772
closed_unmerged_prs64
first_time_authors_30d1
first_time_prs_merged_30d1
first_time_prs_decided_30d1

Власність та опіка

68Добрий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
0/20Верифікований домен
16.8/25Охоплення власника — 217 підписників у cognizant-ai-lab
21.6/25Послужний список — 20 публічних репозиторіїв, вік облікового запису ~7 р.
Використані вхідні дані
followers217
owner_typeOrganization
is_verifiedні
owner_logincognizant-ai-lab
public_repos20
account_age_days2 877

Супровід пакетів

100Винятковий
Як обчислюється оцінка
25/25Опубліковано й доступно — 1 пакет(ів) у pypi
35/35Свіжість публікацій — остання публікація 1 дн. тому
20/20Історія версій — 162 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagesneuro-san
ecosystemspypi
any_deprecatedні
min_days_since_publish1

Інженерна якість

Чи наявні базові інженерні практики та документація?

90Відмінний · 19% загального індексу

Інженерні практики

84Відмінний
Як обчислюється оцінка
24/24Процеси CI — 6 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера — .flake8, .pylintrc
0/9.6Pre-commit-хуки
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 8 out of 8 merged PRs checked by a CI test -- score normalized to 10
Використані вхідні дані
has_ciтак
has_testsтак
has_editorconfigні
has_linter_configтак
has_precommit_configні

Документація

100Винятковий
Як обчислюється оцінка
30/30README
25/25Каталог документації
15/15Сайт документації / домашня сторінка — https://decisionai.ml/neuro-san
10/10Опис репозиторію
10/10Теми — 14 тем
10/10Wiki
Використані вхідні дані
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_wikiтак
homepagehttps://decisionai.ml/neuro-san
docs_sitehttps://decisionai.ml/neuro-san
has_readmeтак
has_docs_dirтак
has_descriptionтак

Безпека

Чи міцні видимі практики безпеки й ланцюга постачання, без непослабленої пов’язаності з юрисдикціями високого ризику?

78Добрий · 16% загального індексу

Стан безпеки

73Добрий
Як обчислюється оцінка
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 — 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
7.5/7.5Code-Review — all changesets reviewed
2.5/2.5Contributors — project has 9 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
2.5/2.5Ліцензія — license file detected
7.5/7.5Maintained — 30 commit(s) and 13 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
Використані вхідні дані
sourceopenssf_scorecard
checks_evaluated18
scorecard_versionv5.5.0
checks_inconclusive0
scorecard_aggregate7,3

Сповіщення про залежності

100Винятковий
Як обчислюється оцінка
35/35Прямі залежності без відомих сповіщень — жодна пряма залежність не має відомих сповіщень
25/25Непрямі залежності без відомих сповіщень — жодна непряма залежність не має відомих сповіщень
0/40Немає задавнених сповіщень — жодне сповіщення не має дати публікації
Використані вхідні дані
sourceosv
advisories0
affected_packages0
assessed_packages93
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Виключено з оцінювання (немає даних або не застосовно): Немає задавнених сповіщень. Залишкові ваги перенормовано. Звірено з runtime-замиканням залежностей pypi:neuro-san@0.7.13 — тим, що тягне за собою встановлення опублікованого пакета, — 93 пакетів. Досяжність не аналізується.

Готовність до ШІ

Наскільки репозиторій оснащений для розробки та супроводу за участі ШІ-агентів? Має свідомо малу вагу (4%): агентний інструментарій — реальний сигнал супроводу, але репозиторій без нього все одно може отримати 100/100.

55Помірний · 4% загального індексу

Контекст і настанови для агентів

65Добрий
Як обчислюється оцінка
45/45Інструкції для агентів — AGENTS.md, CLAUDE.md
0/15Машиночитана документація (llms.txt)
20.3/40Читабельна історія комітів — намір зазначено у 38 з 100 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share0,38
agent_instruction_filesAGENTS.md, CLAUDE.md
agent_instruction_max_bytes9 677

Цикл верифікації (збірка / тести / перевірка типів)

46Слабкий
Як обчислюється оцінка
0/18Розгортання однією командою
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — .flake8, .pylintrc
0/11Статична перевірка типів
10/10Відтворюване середовище — Dockerfile
0/10Підтверджена практика роботи з агентами — серед останніх 100 комітів немає створених агентом
0/8Автоматизоване супроводження — автоматичних оновлень залежностей не виявлено
3/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 3
Використані вхідні дані
has_nixні
has_testsтак
lockfiles—
has_dockerfileтак
typed_languageні
bootstrap_files—
has_devcontainerні
has_linter_configтак
typecheck_configs—
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

Читабельність коду для моделей

55Помірний
Як обчислюється оцінка
0/45Типізований код — Python без конфігурації перевірки типів
54.9/55Керовані розміри файлів — 1/783 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes108 091
source_files_sampled783
oversized_source_files1

Машиночитні інтерфейси

60Помірний
Як обчислюється оцінка
40/40Схема 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
20/20Сервер MCP
0/40Придатні до запуску приклади
Використані вхідні дані
example_dirs—
has_mcp_signalтак
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—

Ключові факти

162зірок GitHub
22контриб'юторів
3 980комітів за останні 12 місяців
0днів від останнього пушу
100релізів
2бас-фактор
110відкритих issue
PyPIпакетних екосистем

Попередження щодо збору даних

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

Докладніше

Історія зірок і форків 0 ★ / 58 ⇿
0Зірки
58Форки
99Релізи

Коли додано кожну зірку й форк — зібрано з GitHub і згруповано за днями. Кумулятивне зростання розміщено просто над денними додаваннями, з яких воно складається, тож їх видно одне проти одного: рівномірне органічне накопичення виглядає зовсім інакше, ніж різкий короткочасний сплеск. Там, де цю різницю можна виміряти, її подано як автентичність росту.

01020304050605842025-052026-022026-10
Мажорні 0Мінорні 1Патчі 98

Кожна точка охоплює 2 днів.

OpenSSF Scorecard 7.3 / 10
7.3сукупно

Незалежна, не прив'язана до інструментів оцінка безпеки від відкритого проєкту OpenSSF Scorecard. Кожна перевірка винагороджує практику безпеки, а не інструмент конкретного постачальника. Перевірки, які Scorecard не зміг визначити, позначено н/д і виключено з оцінки безпеки (вони ніколи не зараховуються як нуль).Scorecard v5.5.0 · 2026-10-22 21:30 UTC

10Binary-Artifactsno binaries found in the repo
5Branch-Protectionbranch protection is not maximal on development and all release branches
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
10Code-Reviewall changesets reviewed
10Contributorsproject has 9 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 13 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
Усі залежності 57

Повний розв'язаний набір залежностей із графа залежностей GitHub: 0 прямих і 57 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIaiobotocore—непряма
PyPIaiofiles—непряма
PyPIaiohttp—непряма
PyPIazure-identity—непряма
PyPIazure-storage-blob—непряма
PyPIbotocore—непряма
PyPIbs4—непряма
PyPIbuild—непряма
PyPIcmarkgfm—непряма
PyPIcoverage7.6.1непряма
PyPIcroniter—непряма
PyPIflake87.3.0непряма
PyPIgrpcio-tools—непряма
PyPIhttpx—непряма
PyPIidna—непряма
PyPIjanus—непряма
PyPIjson-repair—непряма
PyPIjsonschema—непряма
PyPIlangchain—непряма
PyPIlangchain-anthropic—непряма
PyPIlangchain-aws—непряма
PyPIlangchain-core—непряма
PyPIlangchain-google-genai—непряма
PyPIlangchain-mcp-adapters—непряма
PyPIlangchain-nvidia-ai-endpoints—непряма
PyPIlangchain-ollama—непряма
PyPIlangchain-openai—непряма
PyPIlangchain-openrouter—непряма
PyPIlangfuse—непряма
PyPIleaf-common—непряма
PyPImcp—непряма
PyPIobjsize—непряма
PyPIopenai—непряма
PyPIopenfga-sdk—непряма
PyPIparameterized—непряма
PyPIpsutil—непряма
PyPIpydantic—непряма
PyPIpyhocon—непряма
PyPIpylint4.0.2непряма
PyPIpylint-protobuf0.22.0непряма
PyPIpymarkdownlnt0.9.30непряма
PyPIpyopenssl—непряма
PyPIpytest9.0.3непряма
PyPIpytest-asyncio1.3.0непряма
PyPIpytest-cov5.0.0непряма
PyPIpytest-timeout—непряма
PyPIpytest-xdist—непряма
PyPIreadme-renderer—непряма
PyPIruamel-yaml—непряма
PyPIsetuptools—непряма
PyPIsetuptools-scm8.1.0непряма
PyPItimedinput—непряма
PyPItimeout-decorator0.5.0непряма
PyPItornado—непряма
PyPIurllib3—непряма
PyPIwatchdog—непряма
PyPIwheel—непряма
Сповіщення про залежності 0

Встановлення pypi:neuro-san@0.7.13 тягне 93 пакетів, прямих і транзитивних: 0 мають відомі сповіщення, з них 0 — прямі залежності.

Жодне відоме сповіщення не стосується оцінених залежностей.

Сповіщення означає, що версія, записана в графі залежностей, потрапляє в уражений діапазон. Досяжність не аналізується, а граф містить піниї розробки й тестування — знахідка може стосуватися інструментів, а не поставленого коду.

Звіт у форматі JSON машиночитний

Зворотний зв’язок

Помітили щось хибне у цьому звіті або маєте чим поділитися? Неправильні вимірювання, непомічені інструменти, ідеї, запитання — усе доречно. Кожне повідомлення читається й отримує відповідь.

Повідомлення збережеться під час входу.

Пов’язані записи

Перевірені репозиторії, що мають спільні каталожні теги або екосистеми з cognizant-ai-lab/neuro-san. Читати поруч →

99google/adk-pythonAn open-source, code-first Python toolkit for building, evaluating, and deploying sophisticated AI agents with flexibility and control.Винятковий96google/adk-jsAn open-source, code-first Typescript toolkit for building, evaluating, and deploying sophisticated AI agents with flexibility and control.Винятковий99ag2ai/ag2AG2 (formerly AutoGen): The Open-Source AgentOS.Join us at: https://discord.gg/sNGSwQME3xВинятковий98bytedance/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.Винятковий100deepset-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.Винятковий98ModelEngine-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.Винятковий

Оцінки — це сигнали, а не гарантії. Вони відображають публічно видимі практики на GitHub — це не аудит коду й не гарантія безпеки.

Відсутні дані виключаються, а ваги перенормовуються — нуль за відсутність ніколи не ставиться. Методологія версіонована й відкрита: метрики v2.10.0, схема v0.34.0 — повна методологія · вікі метрик.

Як окремий результат виглядає на тлі всього реєстру: сукупна статистика — PyPI.