公开记录
软件健康报告模式 0.31.0 · 指标 2.5.0 · 2026-08-05 01:47 UTC

Lightning-AI / pytorch-lightning

Pretrain, finetune ANY AI model of ANY size on 1 or 10,000+ GPUs with zero code changes.

PythonApache-2.0★ 31,269 星标⑂ 3,771 复刻始于 2019年3月在 GitHub 上查看 ↗
#python#deep-learning#artificial-intelligence#ai#pytorch#data-science#machine-learning

Lightning-AI/pytorch-lightning 的健康指数为 100 分中的 96 分，处于「卓越」区间。 其得分最高的类别是Vitality（95/100），最低的是AI Readiness（64/100）。 最近一次更新在今天。 近期的大部分工作由 3 位贡献者完成。

96
总分 / 100
卓越

软件健康指数

指标归入加权类别，统一采用 1–100 量表。总体分先取类别加权平均，再依据公开记录的分布进行校准，使各等级具有百分位含义；当公开证据触发高风险司法辖区政策时，评级会按政策调整，并设置 34（存在风险）的上限。

96
卓越93-100公开记录中的最高层级（约前 5%）；基本满足所有检验标准
优秀80-92各方面均表现强劲；仅有少量不足
良好65-79健康；不足之处有限且可控
中等50-64可接受，但存在明显不足；建议进行审查
薄弱35-49多个领域存在实质性薄弱环节
存在风险20-34存在重大薄弱环节；采用时应保持审慎
危急1-19问题严重（项目被弃置、仅有单一维护者、缺乏基本工程规范）
活力社区与采用可持续性与治理工程质量安全AI 就绪度

评分画像

每条轴代表一个类别。形状比平均值更重要——健康的对象会填满整个图形，而“一峰一谷”式画像意味着某一维度的优势正掩盖另一维度的风险。

加权总体分 84 经校准后在公布的指数量表上为 96（记录校准 2026-08-02）。

所有权

⚡️ Lightning AI 组织
6,847 关注者29 个公开仓库始于 2019年12月

该仓库由组织支持——共同承担、可问责的托管责任，可延续于任何单一维护者之后。

软件包生态系统

注册表软件包版本月下载量版本数最近发布
PyPIassistant指向其他仓库——不计分2.0.2b2-4399 天前

按类别列示的指标

活力

项目是否仍有生命——是否仍在编写代码，是否仍在发布版本？

95卓越 · 占总体的 21%

开发活跃度

92优秀
评分方式
36/36推送新近度 — 最近一次推送于 0 天前
28.4/36提交节奏 — 52 周中有 41 周有提交
18/18提交量 — 最近一年 413 次提交
0/10OpenSSF Scorecard：Maintained — 无数据
所用输入
commits_last_year413
human_commit_share0.68
days_since_last_push0
active_weeks_last_year41

发布纪律

100卓越
评分方式
27/27有发布版本 — 已发布 100 个发布版本
36/36发布时效 — 最近一次发布版本于 69 天前
27/27发布节奏 — 约每 44.1 天发布一次
0/10OpenSSF Scorecard：Signed-Releases — 无数据
所用输入
releases_count100
latest_release_tag2.6.5
releases_from_tags否
days_since_latest_release69
mean_days_between_releases44.1

社区与采用

项目是否拥有用户、下载量与关注度，并具备欢迎贡献者参与的配置？

95卓越 · 占总体的 17%

流行度与采用

98卓越
评分方式
60/60星标 — 31,269 个星标
25/25复刻 — 3,771 个复刻
13.4/15关注者 — 256 位关注者
所用输入
forks3,771
stars31,269
watchers256
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

社区健康

92优秀
评分方式
22.5/22.5README
22.5/22.5许可证 — 可识别的许可证（Apache-2.0）
18/18CONTRIBUTING 指南
13.5/13.5行为准则
0/7.2议题模板
6.3/6.3PR 模板
所用输入
has_readme是
has_license是
readme_badges10
has_contributing是
has_issue_template否
has_code_of_conduct是
readme_badge_servicesbadge.fury.io, codecov.io, dev.azure.com, github.com, shields.io
has_pull_request_template是

可持续性与治理

项目能否在其成员之外延续——巴士系数、响应能力、由谁支持，以及软件包的维护状况？

76良好 · 占总体的 23%

维护者韧性（巴士系数）

74良好
评分方式
36/54巴士系数 — 3 位贡献者贡献了半数提交
16.7/22.5提交分布 — 头号贡献者编写了 26% 的提交
13.5/13.5贡献者广度 — 97 位贡献者
0/10OpenSSF Scorecard：Contributors — 无数据
所用输入
bus_factor3
contributors_sampled97
top_contributor_share0.259

议题与 PR 响应能力

76良好
评分方式
37.3/42议题解决 — 89% 的议题已关闭
25.7/30PR 接受 — 已裁定的 PR 中 9,444/11,036 已合并
1.6/13Newcomer PR acceptance — 30 天内首次贡献者的 PR 已合并 1/8
0/15OpenSSF Scorecard：Code-Review — 无数据
所用输入
merged_prs9,444
open_issues844
closed_issues6,712
prs_merged_7d2
prs_decided_7d9
prs_merged_30d18
prs_decided_30d26
issue_closed_ratio0.888
closed_unmerged_prs1,592
first_time_authors_30d8
first_time_prs_merged_30d1
first_time_prs_decided_30d8

所有权与托管责任

78良好
评分方式
30/30所有权背书 — 组织持有
0/20已验证域名
25/25所有者影响力 — Lightning-AI 有 6,847 位关注者
22.8/25既往记录 — 29 个公开仓库，账户约 6 年
所用输入
followers6,847
owner_typeOrganization
is_verified—
owner_loginLightning-AI
public_repos29
account_age_days2,438

工程质量

基础的工程与文档实践是否到位？

91优秀 · 占总体的 19%

工程实践

92优秀
评分方式
24/24CI 工作流 — 18 个工作流
24/24存在测试
16/16Linter 配置
9.6/9.6Pre-commit 钩子
0/6.4.editorconfig
0/20OpenSSF Scorecard：CI-Tests — 无数据
所用输入
has_ci是
has_tests是
has_editorconfig否
has_linter_config是
has_precommit_config是

文档

90优秀
评分方式
30/30README
25/25文档目录
15/15文档 / 主页站点 — https://lightning.ai/pytorch-lightning/?utm_source=ptl_readme&utm_medium=referral&utm_campaign=ptl_readme
10/10仓库描述
10/10主题标签 — 7 个主题标签
0/10Wiki
所用输入
topicspython, deep-learning, artificial-intelligence, ai, pytorch, data-science, machine-learning
has_wiki否
homepagehttps://lightning.ai/pytorch-lightning/?utm_source=ptl_readme&utm_medium=referral&utm_campaign=ptl_readme
has_readme是
has_docs_dir是
has_description是

安全

可见的安全与供应链实践是否稳固，且不存在未解决的高风险司法辖区暴露？

64中等 · 占总体的 16%

安全态势

55中等
评分方式
30/30安全策略（SECURITY.md）
25/25Dependabot 配置
0/25依赖锁定文件
0/20CodeQL 工作流
所用输入
sourcefile_signals
lockfiles—
manifests.actions/requirements.txt, pyproject.toml, requirements.txt, setup.py
has_codeql_workflow否
has_security_policy是
has_dependabot_config是

依赖安全公告

100卓越
评分方式
35/35直接依赖不含已知公告 — 没有直接依赖携带已知公告
25/25间接依赖不含已知公告 — 没有间接依赖携带已知公告
0/40没有长期未处理的公告 — 没有公告带有发布日期
所用输入
sourceosv
advisories0
affected_packages0
assessed_packages28
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
已排除计分（无数据或不适用）：没有长期未处理的公告。 其余权重已重新归一化。 比对的是 pypi:assistant@2.0.2b2 的运行时依赖闭包——安装已发布的软件包时真正被拉取进来的内容——共 28 个软件包。 未对可达性进行分析。

AI 就绪度

该仓库在多大程度上具备与 AI 编码代理协同开发与维护的条件？权重刻意设小（4%）：代理工具链是一项真实的维护信号，但完全不具备的仓库仍可达到 100/100。

64中等 · 占总体的 4%

AI 代理上下文与指引

40薄弱
评分方式
0/45代理指令 — 没有 CLAUDE.md / AGENTS.md / 编辑器规则
0/15机器可读文档（llms.txt）
40/40可读的提交历史 — 68 次人类提交中有 65 次说明了意图（结构化标题或解释性正文）
所用输入
has_llms_txt否
legible_history_share0.956
agent_instruction_files—
agent_instruction_max_bytes—

验证循环（构建 / 测试 / 类型检查）

84优秀
评分方式
18/18一条命令的引导启动 — Makefile, docs/source-fabric/Makefile, docs/source-pytorch/Makefile
22/22自动化测试
11/11Lint / 格式化配置
11/11静态类型检查 — src/lightning/py.typed, src/lightning_fabric/py.typed, src/pytorch_lightning/py.typed
0/10可复现环境
6/10已体现的代理实践 — 最近 100 次提交中有 3 次由代理编写或署名代理
8/8自动化维护 — 最近 100 次提交中有 31 次为自动依赖更新
0/10OpenSSF Scorecard：Pinned-Dependencies — 无数据
所用输入
has_nix否
has_tests是
lockfiles—
has_dockerfile否
typed_language否
bootstrap_filesMakefile, docs/source-fabric/Makefile, docs/source-pytorch/Makefile
has_devcontainer否
has_linter_config是
typecheck_configssrc/lightning/py.typed, src/lightning_fabric/py.typed, src/pytorch_lightning/py.typed
agent_commit_share0.03
toolchain_manifests—
dependency_bot_commit_share0.31

面向模型的代码可读性

82优秀
评分方式
27/45可类型检查的代码 — Python，已配置类型检查（src/lightning/py.typed, src/lightning_fabric/py.typed, src/pytorch_lightning/py.typed）
54.6/55可控的文件大小 — 采样的 648 个源文件中有 5 个超过 60KB
所用输入
primary_languagePython
largest_source_bytes82,856
source_files_sampled648
oversized_source_files5

机器可读接口

40薄弱
评分方式
0/40API 模式（OpenAPI/GraphQL/proto）
0/20MCP 服务器
40/40可运行示例 — demos, examples, notebooks
所用输入
example_dirsdemos, examples, notebooks
has_mcp_signal否
api_schema_files—

关键数据

31,269GitHub 星标
97贡献者
413最近 12 个月提交数
0距最近推送天数
100发布版本数
3巴士系数（bus factor）
844开放议题
PyPI软件包生态系统数

数据采集警告

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • pypi package 'assistant' points at a different repository (https://gitlab.com/waser-technologies/technologies/assistant); excluded from ecosystem scoring
  • OpenSSF Scorecard did not return a usable result (2026/08/05 01:46:35 Warning: PATs stored in env variables GITHUB_AUTH_TOKEN and GITHUB_TOKEN differ. Scorecard will use the former.); skipping Scorecard checks

更多细节

Star 与 Fork 历史 0 ★ / 3,771 ⇿
0Star
3,771Fork
37发布

每颗 star 和每个 fork 的添加时间，来自 GitHub 并按天汇总。累计增长位于其构成来源——每日新增——的正上方，二者可相互对照：稳定的自然增长与短暂的突增形态截然不同。当这一差别可被衡量时，它会作为增长真实性予以报告。

仅显示最近的历史——该仓库超出采集窗口，因此未采集最早的历史记录。

2,6002,8003,0003,2003,4003,6003,8003,771412023-082025-022026-08
主版本 0次版本 6修订 24

每个点涵盖 3 天。

全部依赖 103

来自 GitHub 依赖图的完整解析依赖集合：0 个直接依赖与 103 个间接（传递）软件包。仓库提交锁文件时，传递闭包才是完整的。

注册表软件包版本关系
PyPIawscli—间接
PyPIbitsandbytes—间接
PyPIclick8.1.8间接
PyPIclick8.3.1间接
PyPIcloudpickle—间接
PyPIcoverage7.10.7间接
PyPIcoverage7.13.5间接
PyPIdeepspeed—间接
PyPIdocutils—间接
PyPIfastapi—间接
PyPIfire—间接
PyPIfsspec—间接
PyPIgymnasium—间接
PyPIhuggingface-hub—间接
PyPIhydra-core—间接
PyPIimportlib-metadata—间接
PyPIipython—间接
PyPIjinja2—间接
PyPIjsonargparse—间接
PyPIjupytext—间接
PyPIlai-sphinx-theme—间接
PyPIlightning—间接
PyPIlightning-utilities—间接
PyPIlitdata—间接
PyPImatplotlib—间接
PyPImoviepy—间接
PyPImypy1.20.0间接
PyPImyst-parser—间接
PyPInbconvert—间接
PyPInbformat—间接
PyPInbsphinx—间接
PyPInumpy—间接
PyPIomegaconf—间接
PyPIonnx—间接
PyPIonnx-ir—间接
PyPIonnxruntime—间接
PyPIonnxscript—间接
PyPIpackaging—间接
PyPIpandas—间接
PyPIpandoc—间接
PyPIpapermill—间接
PyPIpip—间接
PyPIpkginfo1.12.1.2间接
PyPIpsutil—间接
PyPIpytest9.0.2间接
PyPIpytest-cov7.0.0间接
PyPIpytest-doctestplus1.7.1间接
PyPIpytest-random-order1.2.0间接
PyPIpytest-rerunfailures16.0.1间接
PyPIpytest-rerunfailures16.1间接
PyPIpytest-timeout2.4.0间接
PyPIpyyaml—间接
PyPIrequests—间接
PyPIrich—间接
PyPIscikit-learn—间接
PyPIsetuptools—间接
PyPIsphinx—间接
PyPIsphinx-autobuild—间接
PyPIsphinx-autodoc-typehints—间接
PyPIsphinx-copybutton—间接
PyPIsphinx-multiproject—间接
PyPIsphinx-paramlinks—间接
PyPIsphinx-rtd-dark-mode—间接
PyPIsphinx-togglebutton—间接
PyPIsphinx-toolbox4.1.2间接
PyPIsphinxcontrib-fulltoc—间接
PyPIsphinxcontrib-mockautodoc—间接
PyPIsphinxcontrib-video0.4.2间接
PyPItensorboard—间接
PyPItensorboardx—间接
PyPItomlkit—间接
PyPItorch—间接
PyPItorch2.9.1间接
PyPItorch-tensorrt—间接
PyPItorchao—间接
PyPItorchmetrics—间接
PyPItorchvision—间接
PyPItqdm—间接
PyPItwine6.2.0间接
PyPItypes-bleach—间接
PyPItypes-cachetools—间接
PyPItypes-croniter—间接
PyPItypes-decorator—间接
PyPItypes-markdown—间接
PyPItypes-paramiko—间接
PyPItypes-protobuf—间接
PyPItypes-python-dateutil—间接
PyPItypes-pyyaml—间接
PyPItypes-redis—间接
PyPItypes-requests—间接
PyPItypes-setuptools—间接
PyPItypes-six—间接
PyPItypes-tabulate—间接
PyPItypes-toml—间接
PyPItypes-tzlocal—间接
PyPItypes-ujson—间接
PyPItyping-extensions—间接
PyPIurllib3—间接
PyPIuvicorn—间接
PyPIvirtualenv—间接
PyPIwcmatch—间接
PyPIwget—间接
PyPIwheel—间接
依赖安全公告 0

安装 pypi:assistant@2.0.2b2 会引入 28 个包（直接与传递）：其中 0 个存在已知公告，0 个为直接依赖。

没有已知公告影响已评估的依赖。

公告表示依赖图中记录的版本落入某条公告的受影响范围。可达性未经分析，且依赖图包含开发与测试的版本固定——某项发现可能只涉及工具链而非交付的软件。

原始 JSON 报告 机器可读

相关记录

与 Lightning-AI/pytorch-lightning 共享目录标签或生态系统的已检测仓库。 并排阅读 →

100onnx/onnxOpen standard for machine learning interoperability卓越100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.卓越100ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.卓越98huggingface/datasets🤗 The largest hub of ready-to-use datasets for AI models with fast, easy-to-use and efficient data manipulation tools卓越97keras-team/kerasDeep Learning for humans卓越97ultralytics/ultralyticsUltralytics YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object tracking卓越

评分是信号，而非担保。 评分反映的是 GitHub 上公开可见的实践——不是代码审计，也不是安全保证。

缺失数据将被剔除并重新归一化权重，绝不按零分计。方法论已版本化并公开：指标 v2.5.0、模式 v0.31.0—— 完整方法论 · 指标知识库.

单项结果在整体记录中的位置： 汇总统计 — PyPI.