公开记录
软件健康报告模式 0.31.0 · 指标 2.10.0 · 2026-08-15 18:39 UTC

RobTand / gridbook

Out-of-tree vLLM plugin and open format spec for NVFP4-CB / FP8-CB product-codebook weights — 2-6 bit-per-weight LLM quantization served on native Blackwell tensor cores.

Python · CudaApache-2.0★ 10 星标⑂ 3 复刻始于 2026年7月在 GitHub 上查看 ↗
类型命令行工具插件库如何判定
#blackwell#cuda-kernels#dgx-spark#fp4#fp8#llm-inference#llm-serving#moe#nvfp4#quantization#triton#vector-quantization#vllm#codebook-quantization

RobTand/gridbook 的健康指数为 100 分中的 63 分，处于「中等」区间。 其得分最高的类别是Engineering Quality（77/100），最低的是AI Readiness（45/100）。 最近一次更新在今天。 近期的大部分工作由 1 位贡献者完成。

63
总分 / 100
中等

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。

63
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 59 经校准后在公布的指数量表上为 63（记录校准 2026-08-02）。

所有权

RobTand个人账户
9 关注者10 个公开仓库始于 2017年1月

该仓库由个人账户拥有。相较于组织支持的项目，单一所有者项目的延续性风险更高。

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
PyPIgridbook0.8.72,218190 天前vllmquantizationllminferencecudanvfp4fp8codebookvector-quantizationblackwell

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？

70良好 · 占总体的 21%

开发活跃度

57中等
评分方式
36/36推送新近度 — 最近一次推送于 0 天前
2.8/36提交节奏 — 52 周中有 4 周有提交
18/18提交量 — 最近一年 286 次提交
0/10OpenSSF Scorecard：Maintained — project was created within the last 90 days. Please review its contents carefully
所用输入
commits_last_year286
human_commit_share1
days_since_last_push0
active_weeks_last_year4

发布纪律

90优秀
评分方式
27/27有发布版本 — 已发布 18 个发布版本
36/36发布时效 — 最近一次发布版本于 0 天前
27/27发布节奏 — 约每 1.5 天发布一次
0/10OpenSSF Scorecard：Signed-Releases — Project has not signed or included provenance with any releases.
所用输入
releases_count18
latest_release_tagv0.8.7
releases_from_tags否
days_since_latest_release0
mean_days_between_releases1.5

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？

46薄弱 · 占总体的 17%

流行度与采用

18危急
评分方式
15.5/60星标 — 10 个星标
2.5/25复刻 — 3 个复刻
0/15关注者 — 0 位关注者
所用输入
forks3
stars10
watchers0
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

社区健康

70良好
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
0/13.5行为准则
0/7.2议题模板
0/6.3PR 模板
所用输入
has_readme是
has_license是
readme_badges3
has_contributing是
has_issue_template否
has_code_of_conduct否
readme_badge_servicesshields.io
has_pull_request_template否

生态采用（下载量）

56中等
评分方式
44.6/80月度下载量 — pypi 合计每月 2,218 次下载
0/20注册表被依赖数 — 该生态系统不报告此项
所用输入
packagesgridbook
dependents—
ecosystemspypi
total_downloads—
monthly_downloads2,218
unverified_packages_excluded—
已排除计分（无数据或不适用）：注册表被依赖数。 其余权重已重新归一化。

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？

55中等 · 占总体的 23%

维护者韧性（巴士系数）

12危急
评分方式
9/54巴士系数 — 1 位贡献者贡献了半数提交
0.2/22.5提交分布 — 头号贡献者编写了 99% 的提交
2.7/13.5贡献者广度 — 2 位贡献者
0/10OpenSSF Scorecard：Contributors — project has 0 contributing companies or organizations -- score normalized to 0
所用输入
bus_factor1
contributors_sampled2
top_contributor_share0.989

议题与 PR 响应能力

81优秀
评分方式
42/42议题解决 — 100% 的议题已关闭
27.3/30PR 接受 — 已裁定的 PR 中 40/44 已合并
11.8/13Newcomer PR acceptance — 30 天内首次贡献者的 PR 已合并 39/43
0/15OpenSSF Scorecard：Code-Review — Found 0/23 approved changesets -- score normalized to 0
所用输入
merged_prs40
open_issues0
closed_issues1
prs_merged_7d3
prs_decided_7d3
prs_merged_30d39
prs_decided_30d43
issue_closed_ratio1
closed_unmerged_prs4
first_time_authors_30d2
first_time_prs_merged_30d39
first_time_prs_decided_30d43

所有权与托管责任

46薄弱
评分方式
10/30所有权背书 — 个人（用户）账户
0/20已验证域名 — 不适用于个人账户
7.2/25所有者影响力 — RobTand 有 9 位关注者
19.6/25既往记录 — 10 个公开仓库，账户约 9 年
所用输入
followers9
owner_typeUser
is_verified—
owner_loginRobTand
public_repos10
account_age_days3,509
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。

软件包维护

100卓越
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 0 天前
20/20版本历史 — 19 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
packagesgridbook
ecosystemspypi
any_deprecated否
min_days_since_publish0

工程质量

基础的工程与文档实践是否到位？

77良好 · 占总体的 19%

工程实践

68良好
评分方式
24/24CI 工作流 — 2 个工作流
24/24存在测试
0/16Linter 配置
0/9.6Pre-commit 钩子
0/6.4.editorconfig
20/20OpenSSF Scorecard：CI-Tests — 3 out of 3 merged PRs checked by a CI test -- score normalized to 10
所用输入
has_ci是
has_tests是
has_editorconfig否
has_linter_config否
has_precommit_config否

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://huggingface.co/collections/rdtand/gridbook-codebook-quantized-models-served-by-stock-vllm-6a68f92a3153d369fe0d5795
10/10仓库描述
10/10主题标签 — 14 个主题标签
0/10Wiki
所用输入
topicsblackwell, cuda-kernels, dgx-spark, fp4, fp8, llm-inference, llm-serving, moe, nvfp4, quantization, triton, vector-quantization, vllm, codebook-quantization
has_wiki否
homepagehttps://huggingface.co/collections/rdtand/gridbook-codebook-quantized-models-served-by-stock-vllm-6a68f92a3153d369fe0d5795
docs_sitehttps://huggingface.co/collections/rdtand/gridbook-codebook-quantized-models-served-by-stock-vllm-6a68f92a3153d369fe0d5795
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？

48薄弱 · 占总体的 16%

安全态势

48薄弱
评分方式
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — branch protection not enabled on development/release branches
2.5/2.5CI-Tests — 3 out of 3 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
0/7.5Code-Review — Found 0/23 approved changesets -- score normalized to 0
0/2.5Contributors — project has 0 contributing companies or organizations -- score normalized to 0
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
0/7.5Maintained — project was created within the last 90 days. Please review its contents carefully
5/5Packaging — packaging workflow detected
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — Project has not signed or included provenance with any releases.
7.5/7.5Token-Permissions — GitHub workflow tokens follow principle of least privilege
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
所用输入
sourceopenssf_scorecard
checks_evaluated18
scorecard_versionv5.5.0
checks_inconclusive0
scorecard_aggregate4.8

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。

45薄弱 · 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 — 100 次人类提交中有 82 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
llms_txt_url—
legible_history_share0.82
agent_instruction_files—
agent_instruction_max_bytes—

验证循环（构建 / 测试 / 类型检查）

47薄弱
评分方式
0/18一条命令的引导启动
22/22自动化测试
0/11Lint / 格式化配置
0/11静态类型检查
10/10可复现环境 — Dockerfile
10/10已体现的代理实践 — 最近 100 次提交中有 59 次由代理编写或署名代理
5/8自动化维护 — 已配置依赖自动化，但在抽样提交中未观察到
0/10OpenSSF Scorecard：Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
所用输入
has_nix否
has_tests是
lockfiles—
has_dockerfile是
typed_language否
bootstrap_files—
has_devcontainer否
has_linter_config否
typecheck_configs—
agent_commit_share0.59
toolchain_manifests—
dependency_bot_commit_share0

面向模型的代码可读性

50中等
评分方式
0/45可类型检查的代码 — Python，未配置类型检查
50/55可控的文件大小 — 采样的 131 个源文件中有 12 个超过 60KB
所用输入
primary_languagePython
largest_source_bytes122,682
source_files_sampled131
oversized_source_files12

关键数据

10GitHub 星标
2贡献者
286最近 12 个月提交数
0距最近推送天数
18发布版本数
1巴士系数（bus factor）
0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
  • GitHub dependency-graph SBOM unavailable (404); the dependency graph may be disabled for this repository
  • deps.dev does not index pypi:gridbook@0.8.7; advisories assessed against the repository dependency graph instead

更多细节

Star 与 Fork 历史 0 ★ / 3 ⇿
0Star
3Fork
14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。

12233312026-072026-082026-08
主版本 0次版本 8修订 6
OpenSSF Scorecard 4.8 / 10
4.8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 · 2026-08-15 18:39 UTC

10Binary-Artifactsno binaries found in the repo
0Branch-Protectionbranch protection not enabled on development/release branches
10CI-Tests3 out of 3 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
0Code-ReviewFound 0/23 approved changesets -- score normalized to 0
0Contributorsproject has 0 contributing companies or organizations -- score normalized to 0
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
0Maintainedproject was created within the last 90 days. Please review its contents carefully
10Packagingpackaging workflow detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
0SASTSAST tool is not run on all commits -- score normalized to 0
0Security-Policysecurity policy file not detected
0Signed-ReleasesProject has not signed or included provenance with any releases.
10Token-PermissionsGitHub workflow tokens follow principle of least privilege
10Vulnerabilities0 existing vulnerabilities detected
直接依赖 3
注册表软件包版本约束清单文件
PyPItorch—pyproject.toml
PyPIsafetensors—pyproject.toml
PyPIhuggingface-hub—pyproject.toml
全部依赖 未采集

本报告未能采集到解析后的依赖集合：GitHub dependency-graph SBOM unavailable (404); the dependency graph may be disabled for this repository

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。

相关记录

与 RobTand/gridbook 共享目录标签或生态系统的已检测仓库。 并排阅读 →

99vllm-project/vllmA high-throughput and memory-efficient inference and serving engine for LLMs卓越95gpustack/gpustackA GPU cluster manager for high-performance AI model serving (vLLM, SGLang) and on-demand SSH-accessible GPU instances.卓越98sgl-project/sglangSGLang is a high-performance serving framework for large language models and multimodal models.卓越99ai-dynamo/dynamoA Datacenter Scale Distributed Inference Serving Framework卓越98LMCache/LMCacheLMCache: Supercharge Your LLM with the Fastest KV Cache Layer卓越98kvcache-ai/MooncakeMooncake is the serving platform for Kimi, a leading LLM service provided by Moonshot AI.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 v2.10.0、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.