公开记录
软件健康报告模式 0.12.0 · 指标 2.10.0 · 2026-07-17 17:23 UTC

anton-bushuiev / ppiref

Dataset and package for working with protein-protein interactions in 3D

Jupyter Notebook · PythonMIT★ 108 星标⑂ 9 复刻始于 2023年10月在 GitHub 上查看 ↗
#datasets#machine-learning#protein-protein-interaction#proteins

anton-bushuiev/ppiref 的健康指数为 100 分中的 41 分，处于「薄弱」区间。 其得分最高的类别是Engineering Quality（76/100），最低的是Security（23/100）。 最近一次更新在 444 天前。 近期的大部分工作由 1 位贡献者完成。

41
总分 / 100
薄弱

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。

41
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 44 经校准后在公布的指数量表上为 41（记录校准 2026-08-02）。

所有权

Anton Bushuiev个人账户
76 关注者36 个公开仓库始于 2020年7月Czech Technical University in Prague

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。

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？

25存在风险 · 占总体的 21%

开发活跃度

1危急
评分方式
0/36推送新近度 — 最近一次推送于 444 天前
0/36提交节奏 — 52 周中有 0 周有提交
0/18提交量 — 最近一年 0 次提交
0/10OpenSSF Scorecard：Maintained — 0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
所用输入
commits_last_year0
human_commit_share—
days_since_last_push444
active_weeks_last_year0

发布纪律

60中等
评分方式
27/27有发布版本 — 已发布 5 个发布版本
7.2/36发布时效 — 最近一次发布版本于 521 天前
19.8/27发布节奏 — 约每 96.1 天发布一次
0/10OpenSSF Scorecard：Signed-Releases — 无数据
所用输入
releases_count5
latest_release_tagv1.4.0
releases_from_tags否
days_since_latest_release521
mean_days_between_releases96.1
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？

46薄弱 · 占总体的 17%

流行度与采用

43薄弱
评分方式
32.9/60星标 — 108 个星标
7.5/25复刻 — 9 个复刻
2.7/15关注者 — 4 位关注者
所用输入
forks9
stars108
watchers4
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

社区健康

50中等
评分方式
22.5/22.5README
22.5/22.5许可证 — 可识别的许可证（MIT）
0/18CONTRIBUTING 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_badges—
has_contributing否
has_issue_template否
has_code_of_conduct否
readme_badge_services—
has_pull_request_template否

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？

47薄弱 · 占总体的 23%

维护者韧性（巴士系数）

13危急
评分方式
9/54巴士系数 — 1 位贡献者贡献了半数提交
0/22.5提交分布 — 头号贡献者编写了 100% 的提交
1.4/13.5贡献者广度 — 1 位贡献者
3/10OpenSSF Scorecard：Contributors — project has 1 contributing companies or organizations -- score normalized to 3
所用输入
bus_factor1
contributors_sampled1
top_contributor_share1

议题与 PR 响应能力

77良好
评分方式
36.8/42议题解决 — 88% 的议题已关闭
30/30PR 接受 — 已裁定的 PR 中 2/2 已合并
0/13Newcomer PR acceptance — 30 天内没有首次贡献者的 PR 得到裁决
0/15OpenSSF Scorecard：Code-Review — Found 0/30 approved changesets -- score normalized to 0
所用输入
merged_prs2
open_issues1
closed_issues7
prs_merged_7d—
prs_decided_7d—
prs_merged_30d—
prs_decided_30d—
issue_closed_ratio0.875
closed_unmerged_prs0
first_time_authors_30d—
first_time_prs_merged_30d—
first_time_prs_decided_30d—
已排除计分（无数据或不适用）：Newcomer PR acceptance。 其余权重已重新归一化。

所有权与托管责任

59中等
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
13.6/25所有者影响力 — anton-bushuiev 有 76 位关注者
23.4/25既往记录 — 36 个公开仓库，账户约 6 年
所用输入
followers76
owner_typeUser
is_verified—
owner_loginanton-bushuiev
public_repos36
account_age_days2,201
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。

工程质量

基础的工程与文档实践是否到位？

76良好 · 占总体的 19%

工程实践

60中等
评分方式
24/24CI 工作流 — 1 个工作流
24/24存在测试
0/16Linter 配置
0/9.6Pre-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否
has_precommit_config否
已排除计分（无数据或不适用）：OpenSSF Scorecard：CI-Tests。 其余权重已重新归一化。

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://ppiref.readthedocs.io
10/10仓库描述
10/10主题标签 — 4 个主题标签
10/10Wiki
所用输入
topicsdatasets, machine-learning, protein-protein-interaction, proteins
has_wiki是
homepagehttps://ppiref.readthedocs.io
docs_sitehttps://ppiref.readthedocs.io
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？

23存在风险 · 占总体的 16%

安全态势

23存在风险
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
0/2.5CI-Tests — 无数据
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
0/7.5Code-Review — Found 0/30 approved changesets -- score normalized to 0
0.8/2.5Contributors — project has 1 contributing companies or organizations -- score normalized to 3
10/10Dangerous-Workflow — no dangerous workflow patterns detected
0/7.5Dependency-Update-Tool — no update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5许可证 — license file detected
0/7.5Maintained — 0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
0/5Packaging — 无数据
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
0/5SAST — no SAST tool detected
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — 无数据
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 100 existing vulnerabilities detected
所用输入
sourceopenssf_scorecard
checks_evaluated15
scorecard_versionv5.5.0
checks_inconclusive3
scorecard_aggregate2.3
已排除计分（无数据或不适用）：CI-Tests, Packaging, Signed-Releases。 其余权重已重新归一化。

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。

43薄弱 · 占总体的 4%

AI 代理上下文与指引

1危急
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）
0/40可读的提交历史 — 无数据
所用输入
has_llms_txt否
llms_txt_url—
legible_history_share—
agent_instruction_files—
agent_instruction_max_bytes—
已排除计分（无数据或不适用）：可读的提交历史。 其余权重已重新归一化。

验证循环（构建 / 测试 / 类型检查）

49薄弱
评分方式
18/18一条命令的引导启动 — docs/Makefile
22/22自动化测试
0/11Lint / 格式化配置
0/11静态类型检查
0/10可复现环境
0/10已体现的代理实践 — 无数据
0/8自动化维护 — 无数据
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否
typed_language否
bootstrap_filesdocs/Makefile
has_devcontainer否
has_linter_config否
typecheck_configs—
agent_commit_share—
toolchain_manifests—
dependency_bot_commit_share—
已排除计分（无数据或不适用）：已体现的代理实践, 自动化维护。 其余权重已重新归一化。

面向模型的代码可读性

55中等
评分方式
0/45可类型检查的代码 — Jupyter Notebook，未配置类型检查
55/55可控的文件大小 — 采样的 26 个源文件中有 0 个超过 60KB
所用输入
primary_languageJupyter Notebook
largest_source_bytes46,346
source_files_sampled26
oversized_source_files0

机器可读接口

100卓越
评分方式
0/40API 模式（OpenAPI/GraphQL/proto） — 不适用于此类软件
0/20MCP 服务器 — 不适用于此类软件
40/40可运行示例 — notebooks
所用输入
example_dirsnotebooks
has_mcp_signal否
api_schema_files—
interfaces_expected_of—
已排除计分（无数据或不适用）：API 模式（OpenAPI/GraphQL/proto）, MCP 服务器。 其余权重已重新归一化。

关键数据

108GitHub 星标
1贡献者
0最近 12 个月提交数
444距最近推送天数
5发布版本数
1巴士系数（bus factor）
1开放议题
PyPI软件包生态系统数

数据采集警告

  • Could not fetch pypi package 'ppiref' from its registry

更多细节

OpenSSF Scorecard 2.3 / 10
2.3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 · 2026-07-17 17:23 UTC

10Binary-Artifactsno binaries found in the repo
0Branch-Protectionbranch protection not enabled on development/release branches
不适用CI-Testsno pull request found
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
0Code-ReviewFound 0/30 approved changesets -- score normalized to 0
3Contributorsproject has 1 contributing companies or organizations -- score normalized to 3
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
0Maintained0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
不适用Packagingpackaging workflow not detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
0SASTno SAST tool detected
0Security-Policysecurity policy file not detected
不适用Signed-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities100 existing vulnerabilities detected
全部依赖 162

来自 GitHub 依赖图的完整解析依赖集合：0 个直接依赖与 162 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
PyPIanyio3.6.2间接
PyPIappdirs1.4.4间接
PyPIappnope0.1.3间接
PyPIargon2-cffi21.3.0间接
PyPIargon2-cffi-bindings21.2.0间接
PyPIarrow1.2.3间接
PyPIasttokens2.2.1间接
PyPIattrs23.1.0间接
PyPIbackcall0.2.0间接
PyPIbackports-functools-lru-cache1.6.4间接
PyPIbeautifulsoup44.12.2间接
PyPIbiopandas0.5.0.dev0间接
PyPIbiopython1.81间接
PyPIbioservices1.11.2间接
PyPIbleach6.0.0间接
PyPIcattrs22.2.0间接
PyPIcertifi2024.7.4间接
PyPIcffi1.15.1间接
PyPIcharset-normalizer3.1.0间接
PyPIclick8.1.3间接
PyPIcolorama0.4.6间接
PyPIcolorlog6.7.0间接
PyPIcontourpy1.0.7间接
PyPIcycler0.11.0间接
PyPIdebugpy1.5.1间接
PyPIdecorator5.1.1间接
PyPIdeepdiff6.3.0间接
PyPIdefusedxml0.7.1间接
PyPIdill0.3.6间接
PyPIeasydev0.12.1间接
PyPIentrypoints0.4间接
PyPIexceptiongroup1.1.1间接
PyPIexecuting1.2.0间接
PyPIfastjsonschema2.17.1间接
PyPIfonttools4.39.4间接
PyPIfqdn1.5.1间接
PyPIgraphein1.7.6间接
PyPIgreenlet2.0.2间接
PyPIgrequests0.6.0间接
PyPIidna3.4间接
PyPIimportlib-metadata6.6.0间接
PyPIimportlib-resources5.12.0间接
PyPIiniconfig2.0.0间接
PyPIipykernel6.15.0间接
PyPIipython8.13.2间接
PyPIipython-genutils0.2.0间接
PyPIipywidgets8.0.6间接
PyPIisoduration20.11.0间接
PyPIjaxtyping0.2.19间接
PyPIjedi0.18.2间接
PyPIjinja23.1.2间接
PyPIjoblib1.2.0间接
PyPIjsonpointer2.3间接
PyPIjsonschema4.17.3间接
PyPIjupyter1.0.0间接
PyPIjupyter-client8.2.0间接
PyPIjupyter-console6.6.3间接
PyPIjupyter-core5.3.0间接
PyPIjupyter-events0.6.3间接
PyPIjupyter-server2.6.0间接
PyPIjupyter-server-terminals0.4.4间接
PyPIjupyterlab-pygments0.2.2间接
PyPIjupyterlab-widgets3.0.7间接
PyPIkiwisolver1.4.4间接
PyPIloguru0.7.0间接
PyPIlooseversion1.1.2间接
PyPIlxml4.9.2间接
PyPIlxml-html-clean0.2.2间接
PyPIm2r20.3.3.post2间接
PyPImarkdown-it-py2.2.0间接
PyPImarkupsafe2.1.2间接
PyPImatplotlib3.7.1间接
PyPImatplotlib-inline0.1.6间接
PyPImdurl0.1.2间接
PyPImistune0.8.4间接
PyPImistune2.0.5间接
PyPImmtf-python1.1.3间接
PyPImsgpack1.0.5间接
PyPImultipledispatch0.6.0间接
PyPInbclassic1.0.0间接
PyPInbclient0.8.0间接
PyPInbconvert7.4.0间接
PyPInbformat5.8.0间接
PyPInbsphinx0.9.4间接
PyPInest-asyncio1.5.6间接
PyPInetworkx3.1间接
PyPInotebook6.5.4间接
PyPInotebook-shim0.2.3间接
PyPInumpy1.23.5间接
PyPIordered-set4.1.0间接
PyPIoverrides7.3.1间接
PyPIpackaging23.1间接
PyPIpandas1.5.3间接
PyPIpandocfilters1.5.0间接
PyPIparso0.8.3间接
PyPIpexpect4.8.0间接
PyPIpickleshare0.7.5间接
PyPIpillow9.5.0间接
PyPIplatformdirs3.5.1间接
PyPIplotly5.14.1间接
PyPIpluggy1.0.0间接
PyPIprometheus-client0.17.0间接
PyPIprompt-toolkit3.0.38间接
PyPIpsutil5.9.0间接
PyPIptyprocess0.7.0间接
PyPIpure-eval0.2.2间接
PyPIpycparser2.21间接
PyPIpydantic1.10.8间接
PyPIpygments2.15.1间接
PyPIpyparsing3.0.9间接
PyPIpyrsistent0.19.3间接
PyPIpytest7.3.1间接
PyPIpython-dateutil2.8.2间接
PyPIpython-json-logger2.0.7间接
PyPIpytz2023.3间接
PyPIpyzmq25.0.2间接
PyPIqtconsole5.4.3间接
PyPIqtpy2.3.1间接
PyPIrequests2.31.0间接
PyPIrequests-cache1.0.1间接
PyPIrfc3339-validator0.1.4间接
PyPIrfc3986-validator0.1.1间接
PyPIrich13.3.5间接
PyPIrich-click1.6.1间接
PyPIscikit-learn1.2.2间接
PyPIscipy1.10.1间接
PyPIseaborn0.12.2间接
PyPIsend2trash1.8.2间接
PyPIsetuptools—间接
PyPIsix1.16.0间接
PyPIsniffio1.3.0间接
PyPIsoupsieve2.4.1间接
PyPIsphinx7.4.7间接
PyPIsphinx-rtd-theme2.0.0间接
PyPIstack-data0.6.2间接
PyPIsuds-community1.1.2间接
PyPItenacity8.2.2间接
PyPIterminado0.17.1间接
PyPIthreadpoolctl3.1.0间接
PyPItinycss21.2.1间接
PyPItomli2.0.1间接
PyPItornado6.3.2间接
PyPItqdm4.65.0间接
PyPItraitlets5.9.0间接
PyPItypeguard4.0.0间接
PyPItzdata2023.3间接
PyPIuri-template1.2.0间接
PyPIurl-normalize1.4.3间接
PyPIurllib32.0.2间接
PyPIwcwidth0.2.6间接
PyPIwebcolors1.13间接
PyPIwebencodings0.5.1间接
PyPIwebsocket-client1.5.2间接
PyPIwget3.2间接
PyPIwheel0.38.4间接
PyPIwidgetsnbextension4.0.7间接
PyPIwrapt1.15.0间接
PyPIxarray2023.5.0间接
PyPIxmltodict0.13.0间接
PyPIzipp3.15.0间接
PyPIzope-event4.6间接
PyPIzope-interface6.0间接
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 anton-bushuiev/ppiref 共享目录标签或生态系统的已检测仓库。 并排阅读 →

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100onnx/onnxOpen standard for machine learning interoperability卓越100microsoft/onnxruntimeONNX Runtime: cross-platform, high performance ML inferencing and training accelerator卓越100apache/airflowApache Airflow - A platform to programmatically author, schedule, and monitor workflows卓越100Arize-ai/phoenixAI Observability & Evaluation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

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 v0.12.0—— 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.