公开记录
软件健康报告模式 0.12.0 · 指标 2.10.0 · 2026-07-17 18:05 UTC

databricks-industry-solutions / many-model-forecasting

Bootstrap your large scale forecasting solution on Databricks with Many Models Forecasting (MMF) Project.

Python · Jupyter Notebook自定义许可证★ 99 星标⑂ 42 复刻始于 2022年10月在 GitHub 上查看 ↗
#forecasting#xindustry

databricks-industry-solutions/many-model-forecasting 的健康指数为 100 分中的 71 分，处于「良好」区间。 其得分最高的类别是Vitality（90/100），最低的是Security（45/100）。 最近一次更新在 5 天前。 近期的大部分工作由 1 位贡献者完成。

71
总分 / 100
良好

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。

71
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 63 经校准后在公布的指数量表上为 71（记录校准 2026-08-02）。

所有权

Databricks Industry Solutions组织
797 关注者216 个公开仓库始于 2022年5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。

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？

90优秀 · 占总体的 21%

开发活跃度

83优秀
评分方式
36/36推送新近度 — 最近一次推送于 5 天前
18.7/36提交节奏 — 52 周中有 27 周有提交
18/18提交量 — 最近一年 302 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_year302
human_commit_share—
days_since_last_push5
active_weeks_last_year27

发布纪律

100卓越
评分方式
27/27有发布版本 — 已发布 9 个发布版本
36/36发布时效 — 最近一次发布版本于 6 天前
27/27发布节奏 — 约每 18.6 天发布一次
0/10OpenSSF Scorecard：Signed-Releases — 无数据
所用输入
releases_count9
latest_release_tagv0.1.7
releases_from_tags否
days_since_latest_release6
mean_days_between_releases18.6
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？

57中等 · 占总体的 17%

流行度与采用

50中等
评分方式
32.3/60星标 — 99 个星标
13.4/25复刻 — 42 个复刻
3.9/15关注者 — 6 位关注者
所用输入
forks42
stars99
watchers6
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

社区健康

64中等
评分方式
22.5/22.5README
16.9/22.5许可证 — 存在许可证文件，但不是可识别的许可证
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_badges—
has_contributing是
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？

63中等 · 占总体的 23%

维护者韧性（巴士系数）

32存在风险
评分方式
9/54巴士系数 — 1 位贡献者贡献了半数提交
5.8/22.5提交分布 — 头号贡献者编写了 74% 的提交
10.8/13.5贡献者广度 — 8 位贡献者
6/10OpenSSF Scorecard：Contributors — project has 2 contributing companies or organizations -- score normalized to 6
所用输入
bus_factor1
contributors_sampled8
top_contributor_share0.744

议题与 PR 响应能力

73良好
评分方式
33.6/42议题解决 — 80% 的议题已关闭
28/30PR 接受 — 已裁定的 PR 中 171/183 已合并
0/13Newcomer PR acceptance — 30 天内没有首次贡献者的 PR 得到裁决
1.5/15OpenSSF Scorecard：Code-Review — Found 1/7 approved changesets -- score normalized to 1
所用输入
merged_prs171
open_issues2
closed_issues8
prs_merged_7d—
prs_decided_7d—
prs_merged_30d—
prs_decided_30d—
issue_closed_ratio0.8
closed_unmerged_prs12
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

90优秀
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
20.9/25所有者影响力 — databricks-industry-solutions 有 797 位关注者
21.3/25既往记录 — 216 个公开仓库，账户约 4 年
所用输入
followers797
owner_typeOrganization
is_verified—
owner_logindatabricks-industry-solutions
public_repos216
account_age_days1,509
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。

工程质量

基础的工程与文档实践是否到位？

53中等 · 占总体的 19%

工程实践

48薄弱
评分方式
24/24CI 工作流 — 5 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 — 0 out of 7 merged PRs checked by a CI test -- score normalized to 0
所用输入
has_ci是
has_tests是
has_editorconfig否
has_linter_config否
has_precommit_config否

文档

60中等
评分方式
30/30README
0/25文档目录
0/15文档 / 主页站点
10/10仓库描述
10/10主题标签 — 2 个主题标签
10/10Wiki
所用输入
topicsforecasting, xindustry
has_wiki是
homepage—
docs_site—
has_readme是
has_docs_dir否
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？

45薄弱 · 占总体的 16%

安全态势

45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
0/2.5CI-Tests — 0 out of 7 merged PRs checked by a CI test -- score normalized to 0
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
0.8/7.5Code-Review — Found 1/7 approved changesets -- score normalized to 1
1.5/2.5Contributors — project has 2 contributing companies or organizations -- score normalized to 6
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.2/2.5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
0/5Packaging — 无数据
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
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — 无数据
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 10 existing vulnerabilities detected
所用输入
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate4.5
已排除计分（无数据或不适用）：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。

61中等 · 占总体的 4%

AI 代理上下文与指引

75良好
评分方式
45/45代理指令 — CLAUDE.md
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_filesCLAUDE.md
agent_instruction_max_bytes1,714
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）

39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 — devcontainer, Dockerfile, lockfile
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
lockfilesuv.lock
has_dockerfile是
typed_language否
bootstrap_files—
has_devcontainer是
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

54中等
评分方式
0/45可类型检查的代码 — Python，未配置类型检查
54.4/55可控的文件大小 — 采样的 99 个源文件中有 1 个超过 60KB
所用输入
primary_languagePython
largest_source_bytes63,634
source_files_sampled99
oversized_source_files1

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 — examples, notebooks
所用输入
example_dirsexamples, notebooks
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

99GitHub 星标
8贡献者
302最近 12 个月提交数
5距最近推送天数
9发布版本数
1巴士系数（bus factor）
2开放议题
PyPI软件包生态系统数

数据采集警告

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

更多细节

OpenSSF Scorecard 4.5 / 10
4.5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 · 2026-07-17 18:05 UTC

10Binary-Artifactsno binaries found in the repo
0Branch-Protectionbranch protection not enabled on development/release branches
0CI-Tests0 out of 7 merged PRs checked by a CI test -- score normalized to 0
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
1Code-ReviewFound 1/7 approved changesets -- score normalized to 1
6Contributorsproject has 2 contributing companies or organizations -- score normalized to 6
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
9Licenselicense file detected
10Maintained30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
不适用Packagingpackaging workflow not detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
0SASTSAST tool is not run on all commits -- score normalized to 0
10Security-Policysecurity policy file detected
不适用Signed-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities10 existing vulnerabilities detected
直接依赖 3
注册表软件包版本约束清单文件
PyPIomegaconf==2.3.0pyproject.toml
PyPIsktime==0.40.1pyproject.toml
PyPImlflow>=3.1.4pyproject.toml
全部依赖 183

来自 GitHub 依赖图的完整解析依赖集合：4 个直接依赖与 179 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
PyPImlflow—直接
PyPImlflow3.13.0直接
PyPIomegaconf2.3.0直接
PyPIsktime0.40.1直接
PyPIaiohappyeyeballs2.6.2间接
PyPIaiohttp3.14.1间接
PyPIaiosignal1.4.0间接
PyPIalembic1.18.3间接
PyPIannotated-doc0.0.4间接
PyPIannotated-types0.7.0间接
PyPIanyio4.12.1间接
PyPIasync-timeout5.0.1间接
PyPIattrs26.1.0间接
PyPIazure-core1.38.0间接
PyPIazure-storage-blob12.28.0间接
PyPIazure-storage-file-datalake12.23.0间接
PyPIbackports-asyncio-runner1.2.0间接
PyPIblinker1.9.0间接
PyPIboto31.42.41间接
PyPIbotocore1.42.41间接
PyPIcachetools6.2.6间接
PyPIcertifi2026.1.4间接
PyPIcffi2.0.0间接
PyPIcharset-normalizer3.4.4间接
PyPIchronos-forecasting2.2.2间接
PyPIclick8.3.1间接
PyPIcloudpickle3.1.2间接
PyPIcmdstanpy1.2.5间接
PyPIcolorama0.4.6间接
PyPIcontourpy1.3.2间接
PyPIcontourpy1.3.3间接
PyPIcryptography48.0.1间接
PyPIcycler0.12.1间接
PyPIdash-bootstrap-components—间接
PyPIdatabricks-agents1.4.0间接
PyPIdatabricks-connect14.3.2间接
PyPIdatabricks-connect18.1.2间接
PyPIdatabricks-sdk—间接
PyPIdatabricks-sdk0.84.0间接
PyPIdatabricks-sql-connector—间接
PyPIdataclasses-json0.6.7间接
PyPIdistro1.9.0间接
PyPIdocker7.1.0间接
PyPIduckdb1.4.4间接
PyPIexceptiongroup1.3.1间接
PyPIfastapi0.136.3间接
PyPIflask3.1.3间接
PyPIflask-cors6.0.2间接
PyPIfonttools4.61.1间接
PyPIfrozenlist1.8.0间接
PyPIgepa0.1.0间接
PyPIgitdb4.0.12间接
PyPIgitpython3.1.50间接
PyPIgoogle-api-core2.29.0间接
PyPIgoogle-auth2.48.0间接
PyPIgoogle-cloud-core2.5.0间接
PyPIgoogle-cloud-storage3.9.0间接
PyPIgoogle-crc32c1.8.0间接
PyPIgoogle-resumable-media2.8.0间接
PyPIgoogleapis-common-protos1.72.0间接
PyPIgraphene3.4.3间接
PyPIgraphql-core3.2.7间接
PyPIgraphql-relay3.2.0间接
PyPIgreenlet3.3.1间接
PyPIgrpcio1.80.0间接
PyPIgrpcio-status1.80.0间接
PyPIgunicorn23.0.0间接
PyPIh110.16.0间接
PyPIhierarchicalforecast1.5.1间接
PyPIhttpcore1.0.9间接
PyPIhttpx0.28.1间接
PyPIhuey2.6.0间接
PyPIidna3.15间接
PyPIimportlib-metadata8.7.1间接
PyPIiniconfig2.3.0间接
PyPIisodate0.7.2间接
PyPIitsdangerous2.2.0间接
PyPIjinja23.1.6间接
PyPIjiter0.13.0间接
PyPIjmespath1.1.0间接
PyPIjoblib1.5.3间接
PyPIjsonpatch1.33间接
PyPIjsonpointer3.0.0间接
PyPIkiwisolver1.4.9间接
PyPIlangchain-core1.3.3间接
PyPIlangchain-openai1.1.14间接
PyPIlangchain-protocol0.0.15间接
PyPIlangsmith0.8.18间接
PyPIlightgbm4.6.0间接
PyPImako1.3.12间接
PyPImarkupsafe3.0.3间接
PyPImarshmallow3.26.2间接
PyPImatplotlib3.10.8间接
PyPImlflow-skinny3.13.0间接
PyPImlflow-tracing3.13.0间接
PyPImlforecast1.0.31间接
PyPImultidict6.7.1间接
PyPImypy-extensions1.1.0间接
PyPIneuralforecast3.1.4间接
PyPInumpy2.2.6间接
PyPInumpy2.4.2间接
PyPIopenai2.32.0间接
PyPIopentelemetry-api1.39.1间接
PyPIopentelemetry-proto1.39.1间接
PyPIopentelemetry-sdk1.39.1间接
PyPIopentelemetry-semantic-conventions0.60b1间接
PyPIoptuna3.6.1间接
PyPIorjson3.11.7间接
PyPIpackaging25.0间接
PyPIpandas—间接
PyPIpandas2.2.3间接
PyPIpandas2.3.3间接
PyPIpillow12.2.0间接
PyPIpluggy1.6.0间接
PyPIpolars—间接
PyPIprettytable3.17.0间接
PyPIpropcache0.5.2间接
PyPIprophet1.1.6间接
PyPIproto-plus1.27.1间接
PyPIprotobuf6.33.5间接
PyPIpy4j0.10.9.7间接
PyPIpy4j0.10.9.9间接
PyPIpyarrow—间接
PyPIpyarrow23.0.1间接
PyPIpyasn10.6.3间接
PyPIpyasn1-modules0.4.2间接
PyPIpycparser3.0间接
PyPIpydantic2.12.5间接
PyPIpydantic-core2.41.5间接
PyPIpygments2.20.0间接
PyPIpyparsing3.3.2间接
PyPIpyspark3.4.4间接
PyPIpytest9.0.3间接
PyPIpytest-asyncio1.3.0间接
PyPIpython-dateutil2.9.0.post0间接
PyPIpython-dotenv1.2.2间接
PyPIpytz2025.2间接
PyPIpywin32311间接
PyPIpyyaml6.0.3间接
PyPIregex2026.1.15间接
PyPIrequests2.33.0间接
PyPIrequests-toolbelt1.0.0间接
PyPIrsa4.9.1间接
PyPIs3transfer0.16.0间接
PyPIscikit-learn1.7.2间接
PyPIscikit-learn1.8.0间接
PyPIscipy—间接
PyPIscipy1.15.3间接
PyPIscipy1.17.0间接
PyPIsetuptools82.0.1间接
PyPIsix1.17.0间接
PyPIskill-test0.1.0间接
PyPIskops0.13.0间接
PyPIsmmap5.0.2间接
PyPIsniffio1.3.1间接
PyPIsqlalchemy2.0.46间接
PyPIsqlglot29.0.1间接
PyPIsqlparse0.5.5间接
PyPIstarlette1.3.1间接
PyPIstatsforecast2.0.0间接
PyPItenacity9.1.2间接
PyPIthreadpoolctl3.6.0间接
PyPItiktoken0.12.0间接
PyPItimesfm—间接
PyPItomli2.4.0间接
PyPItqdm4.67.3间接
PyPItyping-extensions4.15.0间接
PyPItyping-inspect0.9.0间接
PyPItyping-inspection0.4.2间接
PyPItzdata2025.3间接
PyPIurllib32.7.0间接
PyPIutilsforecast0.2.15间接
PyPIuuid-utils0.14.0间接
PyPIuvicorn0.40.0间接
PyPIwaitress3.0.2间接
PyPIwcwidth0.5.3间接
PyPIwebsockets16.0间接
PyPIwerkzeug3.1.6间接
PyPIwhenever0.7.3间接
PyPIxxhash3.6.0间接
PyPIyarl1.24.2间接
PyPIzipp3.23.0间接
PyPIzstandard0.25.0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 databricks-industry-solutions/many-model-forecasting 共享目录标签或生态系统的已检测仓库。 并排阅读 →

98autogluon/autogluonFast and Accurate ML in 3 Lines of Code卓越98Nixtla/neuralforecastScalable and user friendly neural :brain: forecasting algorithms.卓越98sktime/sktimeA unified framework for machine learning with time series卓越98Nixtla/statsforecastLightning ⚡️ fast forecasting with statistical and econometric models.卓越97unit8co/dartsA python library for user-friendly forecasting and anomaly detection on time series.卓越96Nixtla/mlforecastScalable machine 🤖 learning for time series forecasting.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.