公开记录
软件健康报告模式 0.31.0 · 指标 2.10.0 · 2026-08-12 23:39 UTC

Nixtla / neuralforecast

Scalable and user friendly neural :brain: forecasting algorithms.

Python · Jupyter NotebookApache-2.0★ 4,238 星标⑂ 498 复刻始于 2021年4月在 GitHub 上查看 ↗
类型网络服务如何判定

Nixtla/neuralforecast 的健康指数为 100 分中的 98 分,处于「卓越」区间。 其得分最高的类别是Engineering Quality(96/100),最低的是AI Readiness(55/100)。 最近一次更新在 2 天前。 近期的大部分工作由 2 位贡献者完成。

98
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。

98
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 87 经校准后在公布的指数量表上为 98(记录校准 2026-08-02)。

所有权

Nixtla组织
2,834 关注者40 个公开仓库始于 2021年3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标签
PyPIneuralforecast3.2.1-448 天前time-seriesforecastingdeep-learning

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%
评分方式
36/36推送新近度 — 最近一次推送于 2 天前
27.7/36提交节奏 — 52 周中有 40 周有提交
18/18提交量 — 最近一年 149 次提交
10/10OpenSSF Scorecard:Maintained — 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
所用输入
commits_last_year149
human_commit_share0.81
days_since_last_push2
active_weeks_last_year40

发布纪律

100卓越
评分方式
27/27有发布版本 — 已发布 38 个发布版本
36/36发布时效 — 最近一次发布版本于 8 天前
27/27发布节奏 — 约每 34.1 天发布一次
0/10OpenSSF Scorecard:Signed-Releases — 无数据
所用输入
releases_count38
latest_release_tagv3.2.1
releases_from_tags
days_since_latest_release8
mean_days_between_releases34.1
已排除计分(无数据或不适用):OpenSSF Scorecard:Signed-Releases。 其余权重已重新归一化。

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?

88优秀 · 占总体的 17%
评分方式
58.8/60星标 — 4,238 个星标
22.5/25复刻 — 498 个复刻
8.6/15关注者 — 36 位关注者
所用输入
forks498
stars4,238
watchers36
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

社区健康

85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
0/6.3PR 模板
所用输入
has_readme
has_license
readme_badges9
has_contributing
has_issue_template
has_code_of_conduct
readme_badge_servicesgithub.com, shields.io
has_pull_request_template

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?

86优秀 · 占总体的 23%
评分方式
25.2/54巴士系数 — 2 位贡献者贡献了半数提交
13.9/22.5提交分布 — 头号贡献者编写了 38% 的提交
13.5/13.5贡献者广度 — 57 位贡献者
10/10OpenSSF Scorecard:Contributors — project has 5 contributing companies or organizations
所用输入
bus_factor2
contributors_sampled57
top_contributor_share0.381
评分方式
41.7/42议题解决 — 99% 的议题已关闭
25.9/30PR 接受 — 已裁定的 PR 中 667/772 已合并
10.8/13Newcomer PR acceptance — 30 天内首次贡献者的 PR 已合并 5/6
15/15OpenSSF Scorecard:Code-Review — all changesets reviewed
所用输入
merged_prs667
open_issues5
closed_issues665
prs_merged_7d3
prs_decided_7d3
prs_merged_30d19
prs_decided_30d20
issue_closed_ratio0.993
closed_unmerged_prs105
first_time_authors_30d4
first_time_prs_merged_30d5
first_time_prs_decided_30d6
评分方式
30/30所有权背书 — 组织持有
0/20已验证域名 — 未读取该组织的域名验证状态
24.8/25所有者影响力 — Nixtla 有 2,834 位关注者
22.6/25既往记录 — 40 个公开仓库,账户约 5 年
所用输入
followers2,834
owner_typeOrganization
is_verified
owner_loginNixtla
public_repos40
account_age_days1,989
已排除计分(无数据或不适用):已验证域名。 其余权重已重新归一化。
评分方式
25/25已发布且可解析 — pypi 上有 1 个软件包
35/35发布时效 — 最近一次发布于 8 天前
20/20版本历史 — 44 个已发布版本
20/20未被弃用 — 活跃,未被弃用或撤回
所用输入
packagesneuralforecast
ecosystemspypi
any_deprecated
min_days_since_publish8

工程质量

基础的工程与文档实践是否到位?

96卓越 · 占总体的 19%

工程实践

94卓越
评分方式
24/24CI 工作流 — 7 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
20/20OpenSSF Scorecard:CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
所用输入
has_ci
has_tests
has_editorconfig
has_linter_config
has_precommit_config

文档

100卓越
评分方式
30/30README
25/25文档目录
15/15文档 / 主页站点 — https://nixtlaverse.nixtla.io/neuralforecast
10/10仓库描述
10/10主题标签 — 20 个主题标签
10/10Wiki
所用输入
topicsdeep-learning, forecasting, esrnn, nbeats, nbeatsx, time-series, pytorch, transformer, nhits, neural-network, machine-learning, deep-neural-networks, deepar, tft, robust-regression, hierarchical-forecasting, probabilistic-forecasting, baselines, baselines-zoo, hint
has_wiki
homepagehttps://nixtlaverse.nixtla.io/neuralforecast
docs_sitehttps://nixtlaverse.nixtla.io/neuralforecast
has_readme
has_docs_dir
has_description

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?

74良好 · 占总体的 16%

安全态势

75良好
评分方式
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 — 30 out of 30 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 5 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
2.5/2.5许可证 — license file detected
7.5/7.5Maintained — 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
2/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 4
4/5SAST — SAST tool is not run on all commits -- score normalized to 8
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — 无数据
5.2/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
6/7.5Vulnerabilities — 2 existing vulnerabilities detected
所用输入
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate7.5
已排除计分(无数据或不适用):Signed-Releases。 其余权重已重新归一化。
评分方式
13.2/35直接依赖不含已知公告 — 1 个受影响:pytorch-lightning 2.5.6 (high 7.8)
25/25间接依赖不含已知公告 — 没有间接依赖携带已知公告
33.5/40没有长期未处理的公告 — 1 个携带公告的软件包超过 90 天未处理;最早一条发布于 92 天前
所用输入
sourceosv
advisories2
affected_packages1
assessed_packages55
unassessed_packages0
affected_by_severityhigh 1
direct_affected_packages1
比对的是 pypi:neuralforecast@3.2.1 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 55 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。

55中等 · 占总体的 4%
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 — 81 次人类提交中有 78 次说明了意图(结构化标题或解释性正文)
所用输入
has_llms_txt
llms_txt_url
legible_history_share0.963
agent_instruction_files
agent_instruction_max_bytes
评分方式
18/18一条命令的引导启动 — Makefile
22/22自动化测试
11/11Lint / 格式化配置
0/11静态类型检查
10/10可复现环境 — devcontainer, lockfile
0/10已体现的代理实践 — 最近 100 次提交中没有代理编写的提交
8/8自动化维护 — 最近 100 次提交中有 19 次为自动依赖更新
4/10OpenSSF Scorecard:Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 4
所用输入
has_nix
has_tests
lockfilesuv.lock
has_dockerfile
typed_language
bootstrap_filesMakefile
has_devcontainer
has_linter_config
typecheck_configs
agent_commit_share0
toolchain_manifests
dependency_bot_commit_share0.19
评分方式
0/45可类型检查的代码 — Python,未配置类型检查
52.9/55可控的文件大小 — 采样的 134 个源文件中有 5 个超过 60KB
所用输入
primary_languagePython
largest_source_bytes132,555
source_files_sampled134
oversized_source_files5
评分方式
0/40API 模式(OpenAPI/GraphQL/proto)
0/20MCP 服务器
40/40可运行示例 — notebooks
所用输入
example_dirsnotebooks
has_mcp_signal
api_schema_files
interfaces_expected_ofnetwork-service

关键数据

4,238GitHub 星标
57贡献者
149最近 12 个月提交数
2距最近推送天数
38发布版本数
2巴士系数(bus factor)
5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

更多细节

Star 与 Fork 历史 0 ★ / 498 ⇿
0Star
498Fork
38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。

0100200300400500490122021-072024-022026-08
主版本 3次版本 9修订 26

每个点涵盖 5 天。

OpenSSF Scorecard 7.5 / 10
7.5综合

来自开源项目 OpenSSF Scorecard 的独立、工具无关的安全评估。每项检查奖励的是安全实践本身,而非特定供应商的工具。Scorecard 无法判定的检查项标记为 不适用,并从安全评分中剔除(绝不按零分计)。Scorecard v5.5.0 · 2026-08-12 23:38 UTC

10Binary-Artifactsno binaries found in the repo
5Branch-Protectionbranch protection is not maximal on development and all release branches
10CI-Tests30 out of 30 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 5 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 0 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
4Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 4
8SASTSAST tool is not run on all commits -- score normalized to 8
0Security-Policysecurity policy file not detected
不适用Signed-Releasesno releases found
7Token-Permissionsdetected GitHub workflow tokens with excessive permissions
8Vulnerabilities2 existing vulnerabilities detected
直接依赖 11
注册表软件包版本约束清单文件
PyPIcoreforecast>=0.0.6pyproject.toml
PyPIfsspecpyproject.toml
PyPInumpy>=1.21.6pyproject.toml
PyPIpandas>=1.3.5pyproject.toml
PyPIscipypyproject.toml
PyPItorch>=2.9.1pyproject.toml
PyPItornado>=6.5.5pyproject.toml
PyPIpytorch-lightning>=2.0.0,<2.6.0pyproject.toml
PyPIray>=2.2.0pyproject.toml
PyPIoptunapyproject.toml
PyPIutilsforecast>=0.2.3pyproject.toml
全部依赖 197

来自 GitHub 依赖图的完整解析依赖集合:13 个直接依赖与 184 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
PyPIcoreforecast0.0.16直接
PyPIfsspec2025.9.0直接
PyPInumpy2.2.6直接
PyPInumpy2.3.2直接
PyPIoptuna4.5.0直接
PyPIpandas2.3.2直接
PyPIpytorch-lightning2.5.5直接
PyPIray2.56.1直接
PyPIscipy1.15.3直接
PyPIscipy1.16.1直接
PyPItorch2.13.0直接
PyPItornado6.5.7直接
PyPIutilsforecast0.2.12直接
PyPIadagio0.2.6间接
PyPIaiobotocore2.24.2间接
PyPIaiohappyeyeballs2.6.1间接
PyPIaiohttp3.14.3间接
PyPIaioitertools0.12.0间接
PyPIaiosignal1.4.0间接
PyPIalembic1.16.5间接
PyPIannotated-doc0.0.4间接
PyPIannotated-types0.7.0间接
PyPIantlr4-python3-runtime4.9.3间接
PyPIanyio4.13.0间接
PyPIappnope0.1.4间接
PyPIasttokens3.0.0间接
PyPIasync-timeout5.0.1间接
PyPIattrs25.3.0间接
PyPIblack26.3.1间接
PyPIbotocore1.40.18间接
PyPIcaptum0.7.0间接
PyPIcertifi2025.8.3间接
PyPIcffi1.17.1间接
PyPIcfgv3.4.0间接
PyPIcharset-normalizer3.4.3间接
PyPIclick8.2.1间接
PyPIcloudpickle3.1.1间接
PyPIcolorama0.4.6间接
PyPIcolorlog6.9.0间接
PyPIcomm0.2.3间接
PyPIcontourpy1.3.2间接
PyPIcontourpy1.3.3间接
PyPIcoverage7.10.6间接
PyPIcuda-bindings13.3.1间接
PyPIcuda-pathfinder1.5.5间接
PyPIcuda-toolkit13.0.3.0间接
PyPIcycler0.12.1间接
PyPIdacite1.9.2间接
PyPIdatasetsforecast间接
PyPIdebugpy1.8.16间接
PyPIdecorator5.2.1间接
PyPIdistlib0.4.0间接
PyPIeinops0.8.1间接
PyPIexceptiongroup1.3.0间接
PyPIexecuting2.2.1间接
PyPIfilelock3.20.3间接
PyPIfire间接
PyPIfonttools4.60.2间接
PyPIfrozenlist1.7.0间接
PyPIftfy6.3.1间接
PyPIfugue0.9.7间接
PyPIfuture1.0.0间接
PyPIgitdb4.0.12间接
PyPIgitpython3.1.58间接
PyPIgreenlet3.2.4间接
PyPIgriffe1.15.0间接
PyPIgriffe2md1.2.6间接
PyPIh110.16.0间接
PyPIhf-xet1.4.3间接
PyPIhttpcore1.0.9间接
PyPIhttpx0.28.1间接
PyPIhuggingface-hub1.9.2间接
PyPIhyperopt0.2.7间接
PyPIidentify2.6.13间接
PyPIidna3.15间接
PyPIiniconfig2.1.0间接
PyPIipykernel6.30.1间接
PyPIipython8.32.0间接
PyPIjedi0.19.2间接
PyPIjinja23.1.6间接
PyPIjmespath1.0.1间接
PyPIjoypy0.2.6间接
PyPIjsonschema4.25.1间接
PyPIjsonschema-specifications2025.4.1间接
PyPIjupyter-client8.6.3间接
PyPIjupyter-core5.8.1间接
PyPIkiwisolver1.4.9间接
PyPIlightning-utilities0.15.2间接
PyPImako1.3.12间接
PyPImarkdown-it-py4.0.0间接
PyPImarkupsafe3.0.2间接
PyPImatplotlib3.10.6间接
PyPImatplotlib-inline0.1.7间接
PyPImdformat1.0.0间接
PyPImdurl0.1.2间接
PyPImkdocstrings-parser0.0.1间接
PyPImlstm-kernels2.0.1间接
PyPImpmath1.3.0间接
PyPImsgpack1.2.1间接
PyPImultidict6.6.4间接
PyPImypy1.17.1间接
PyPImypy-extensions1.1.0间接
PyPInest-asyncio1.6.0间接
PyPInetworkx3.4.2间接
PyPInetworkx3.5间接
PyPIneuralforecast3.2.1间接
PyPIninja1.13.0间接
PyPInodeenv1.9.1间接
PyPInvidia-cublas13.1.1.3间接
PyPInvidia-cuda-cupti13.0.85间接
PyPInvidia-cuda-nvrtc13.0.88间接
PyPInvidia-cuda-runtime13.0.96间接
PyPInvidia-cudnn-cu139.20.0.48间接
PyPInvidia-cufft12.0.0.61间接
PyPInvidia-cufile1.15.1.6间接
PyPInvidia-curand10.4.0.35间接
PyPInvidia-cusolver12.0.4.66间接
PyPInvidia-cusparse12.6.3.3间接
PyPInvidia-cusparselt-cu130.8.1间接
PyPInvidia-nccl-cu132.29.7间接
PyPInvidia-nvjitlink13.0.88间接
PyPInvidia-nvshmem-cu133.4.5间接
PyPInvidia-nvtx13.0.85间接
PyPIomegaconf2.3.0间接
PyPIopt-einsum3.4.0间接
PyPIpackaging25.0间接
PyPIparso0.8.5间接
PyPIpathspec1.0.4间接
PyPIpexpect4.9.0间接
PyPIpillow12.3.0间接
PyPIpip-licenses5.5.0间接
PyPIplatformdirs4.4.0间接
PyPIpluggy1.6.0间接
PyPIpolars1.33.0间接
PyPIpre-commit4.3.0间接
PyPIprettytable3.17.0间接
PyPIprompt-toolkit3.0.52间接
PyPIpropcache0.3.2间接
PyPIprotobuf6.33.5间接
PyPIpsutil7.0.0间接
PyPIptyprocess0.7.0间接
PyPIpure-eval0.2.3间接
PyPIpy4j0.10.9.9间接
PyPIpyarrow24.0.0间接
PyPIpycparser2.22间接
PyPIpydantic2.12.3间接
PyPIpydantic2.13.4间接
PyPIpydantic-core2.41.4间接
PyPIpydantic-core2.46.4间接
PyPIpygments2.20.0间接
PyPIpyparsing3.2.3间接
PyPIpyspark4.0.0间接
PyPIpytest9.0.3间接
PyPIpytest-cov6.2.1间接
PyPIpython-dateutil2.9.0.post0间接
PyPIpytokens0.4.1间接
PyPIpytz2025.2间接
PyPIpywin32311间接
PyPIpyyaml6.0.2间接
PyPIpyzmq27.0.2间接
PyPIreferencing0.36.2间接
PyPIregex2026.4.4间接
PyPIreportlab4.4.3间接
PyPIrequests2.33.0间接
PyPIrich14.1.0间接
PyPIrpds-py0.27.1间接
PyPIruff0.12.12间接
PyPIs3fs2025.9.0间接
PyPIsafetensors0.6.2间接
PyPIseaborn0.13.2间接
PyPIsetuptools83.0.0间接
PyPIshellingham1.5.4间接
PyPIsix1.17.0间接
PyPIsmmap5.0.2间接
PyPIsqlalchemy2.0.43间接
PyPIstack-data0.6.3间接
PyPIsympy1.14.0间接
PyPItensorboardx2.6.4间接
PyPItokenizers0.22.2间接
PyPItomli2.2.1间接
PyPItorchmetrics1.8.2间接
PyPItqdm4.67.1间接
PyPItraitlets5.14.3间接
PyPItransformers5.5.0间接
PyPItriad1.0.2间接
PyPItriton3.7.1间接
PyPItyper0.24.1间接
PyPItyping-extensions4.15.0间接
PyPItyping-inspection0.4.2间接
PyPItzdata2025.2间接
PyPIurllib32.7.0间接
PyPIvirtualenv20.36.1间接
PyPIwcwidth0.2.13间接
PyPIwrapt1.17.3间接
PyPIxlstm2.0.0间接
PyPIxlstm2.0.5间接
PyPIyarl1.20.1间接
依赖安全公告 1

安装 pypi:neuralforecast@3.2.1 会引入 55 个包(直接与传递):其中 1 个存在已知公告,1 个为直接依赖。

软件包版本关系严重程度公告数修复版本
pytorch-lightning2.5.6直接2

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

反馈

发现这份报告有不准确之处,或有想法要分享?错误的测量、未识别的工具、建议、疑问——都欢迎提出。每条消息都会被阅读并得到回复。

登录过程中消息不会丢失。

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 v2.10.0、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.