公开记录
软件健康报告模式 0.31.0 · 指标 2.10.0 · 2026-08-12 22:04 UTC

evidentlyai / evidently

Evidently is ​​an open-source ML and LLM observability framework. Evaluate, test, and monitor any AI-powered system or data pipeline. From tabular data to Gen AI. 100+ metrics.

Jupyter Notebook · PythonApache-2.0★ 7,800 星标⑂ 896 复刻始于 2020年11月在 GitHub 上查看 ↗
类型命令行工具库网络服务如何判定
#data-drift#jupyter-notebook#pandas-dataframe#machine-learning#model-monitoring#html-report#mlops#data-science#hacktoberfest#data-quality#data-validation#generative-ai#llm#llmops

evidentlyai/evidently 的健康指数为 100 分中的 90 分，处于「优秀」区间。 其得分最高的类别是Vitality（87/100），最低的是Security（40/100）。 最近一次更新在 7 天前。 近期的大部分工作由 3 位贡献者完成。

90
总分 / 100
优秀

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。

90
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 76 经校准后在公布的指数量表上为 90（记录校准 2026-08-02）。

所有权

Evidently AI组织
361 关注者10 个公开仓库始于 2020年11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
PyPIevidently0.7.21-152155 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？

87优秀 · 占总体的 21%

开发活跃度

85优秀
评分方式
36/36推送新近度 — 最近一次推送于 7 天前
22.2/36提交节奏 — 52 周中有 32 周有提交
18/18提交量 — 最近一年 118 次提交
0/10OpenSSF Scorecard：Maintained — 无数据
所用输入
commits_last_year118
human_commit_share1
days_since_last_push7
active_weeks_last_year32

发布纪律

90优秀
评分方式
27/27有发布版本 — 已发布 100 个发布版本
27/36发布时效 — 最近一次发布版本于 155 天前
27/27发布节奏 — 约每 24.1 天发布一次
0/10OpenSSF Scorecard：Signed-Releases — 无数据
所用输入
releases_count100
latest_release_tagv0.7.21
releases_from_tags否
days_since_latest_release155
mean_days_between_releases24.1

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？

83优秀 · 占总体的 17%

流行度与采用

94卓越
评分方式
60/60星标 — 7,800 个星标
24.6/25复刻 — 896 个复刻
9.6/15关注者 — 54 位关注者
所用输入
forks896
stars7,800
watchers54
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_badges2
has_contributing是
has_issue_template否
has_code_of_conduct否
readme_badge_servicesshields.io
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？

80优秀 · 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
17/22.5提交分布 — 头号贡献者编写了 24% 的提交
13.5/13.5贡献者广度 — 89 位贡献者
0/10OpenSSF Scorecard：Contributors — 无数据
所用输入
bus_factor3
contributors_sampled89
top_contributor_share0.243

议题与 PR 响应能力

68良好
评分方式
21.8/42议题解决 — 52% 的议题已关闭
27.4/30PR 接受 — 已裁定的 PR 中 1,238/1,354 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 — 无数据
所用输入
merged_prs1,238
open_issues238
closed_issues257
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio0.519
closed_unmerged_prs116
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
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

84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
18.4/25所有者影响力 — evidentlyai 有 361 位关注者
19/25既往记录 — 10 个公开仓库，账户约 5 年
所用输入
followers361
owner_typeOrganization
is_verified—
owner_loginevidentlyai
public_repos10
account_age_days2,086
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 155 天前
20/20版本历史 — 152 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
packagesevidently
ecosystemspypi
any_deprecated否
min_days_since_publish155

工程质量

基础的工程与文档实践是否到位？

85优秀 · 占总体的 19%

工程实践

92优秀
评分方式
24/24CI 工作流 — 5 个工作流
24/24存在测试
16/16Linter 配置 — ruff.toml
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

75良好
评分方式
30/30README
0/25文档目录
15/15文档 / 主页站点 — https://discord.gg/xZjKRaNp8b
10/10仓库描述
10/10主题标签 — 14 个主题标签
10/10Wiki
所用输入
topicsdata-drift, jupyter-notebook, pandas-dataframe, machine-learning, model-monitoring, html-report, mlops, data-science, hacktoberfest, data-quality, data-validation, generative-ai, llm, llmops
has_wiki是
homepagehttps://discord.gg/xZjKRaNp8b
docs_sitehttps://discord.gg/xZjKRaNp8b
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？

40薄弱 · 占总体的 16%

安全态势

25存在风险
评分方式
0/30安全策略（SECURITY.md）
0/25Dependabot 配置
25/25依赖锁定文件 — pnpm-lock.yaml
0/20CodeQL 工作流
所用输入
sourcefile_signals
lockfilespnpm-lock.yaml
manifestspyproject.toml, requirements.dev.txt, requirements.min.txt, ui/package.json
has_codeql_workflow否
has_security_policy否
has_dependabot_config否

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_packages74
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:evidently@0.7.21 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 74 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。

62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 — 100 次人类提交中有 85 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_share0.85
agent_instruction_files—
agent_instruction_max_bytes—

验证循环（构建 / 测试 / 类型检查）

80优秀
评分方式
18/18一条命令的引导启动 — docker/Makefile
22/22自动化测试
11/11Lint / 格式化配置 — ruff.toml
11/11静态类型检查 — ui/packages/evidently-ui-lib/tsconfig.json, ui/service/tsconfig.json, ui/standalone/tsconfig.json
10/10可复现环境 — devcontainer, Dockerfile, 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
0/8自动化维护 — 未观察到自动依赖更新
0/10OpenSSF Scorecard：Pinned-Dependencies — 无数据
所用输入
has_nix否
has_tests是
lockfilespnpm-lock.yaml
has_dockerfile是
typed_language否
bootstrap_filesdocker/Makefile
has_devcontainer是
has_linter_config是
typecheck_configsui/packages/evidently-ui-lib/tsconfig.json, ui/service/tsconfig.json, ui/standalone/tsconfig.json
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

面向模型的代码可读性

81优秀
评分方式
27/45可类型检查的代码 — Jupyter Notebook，已配置类型检查（ui/packages/evidently-ui-lib/tsconfig.json, ui/service/tsconfig.json, ui/standalone/tsconfig.json）
54.4/55可控的文件大小 — 采样的 1,078 个源文件中有 11 个超过 60KB
所用输入
primary_languageJupyter Notebook
largest_source_bytes3,525,811
source_files_sampled1,078
oversized_source_files11

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 — cookbook, examples, notebooks
所用输入
example_dirscookbook, examples, notebooks
has_mcp_signal否
api_schema_files—
interfaces_expected_ofnetwork-service

关键数据

7,800GitHub 星标
89贡献者
118最近 12 个月提交数
7距最近推送天数
100发布版本数
3巴士系数（bus factor）
238开放议题
npm, 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
  • OpenSSF Scorecard did not return a usable result (2026/08/12 22:02:53 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 ★ / 896 ⇿
0Star
896Fork
100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。

02004006008001,000893152020-122023-102026-08
主版本 0次版本 6修订 80

每个点涵盖 6 天。

直接依赖 27
注册表软件包版本约束清单文件
PyPIplotly>=5.10.0,<6pyproject.toml
PyPIstatsmodels>=0.14.0pyproject.toml
PyPIscikit-learn>=1.1.1pyproject.toml
PyPIpandas>=1.3.5pyproject.toml
PyPInumpy>=1.23.0pyproject.toml
PyPInltk>=3.6.7pyproject.toml
PyPIscipy>=1.10.0pyproject.toml
PyPIrequests>=2.32.0pyproject.toml
PyPIPyYAML>=6.0.1pyproject.toml
PyPIpydantic>=1.10.16pyproject.toml
PyPIlitestar>=2.19.0pyproject.toml
PyPItyping-inspect>=0.9.0pyproject.toml
PyPIuvicorn>=0.22.0pyproject.toml
PyPIwatchdog>=3.0.0pyproject.toml
PyPItyper>=0.3pyproject.toml
PyPIrich>=13pyproject.toml
PyPIiterative-telemetry>=0.0.5pyproject.toml
PyPIdynaconf>=3.2.4pyproject.toml
PyPIcertifi>=2024.7.4pyproject.toml
PyPIurllib3>=1.26.19pyproject.toml
PyPIfsspec>=2024.9.0pyproject.toml
PyPIujson>=5.4.0pyproject.toml
PyPIdeprecation>=2.1.0pyproject.toml
PyPIuuid6>=2024.7.10pyproject.toml
PyPIcryptography>=43.0.1pyproject.toml
PyPIopentelemetry-proto>=1.25.0pyproject.toml
npm@biomejs/biome1.9.4ui/package.json
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

依赖安全公告 0

安装 pypi:evidently@0.7.21 会引入 74 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

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

98Netflix/metaflowBuild, Manage and Deploy AI/ML Systems卓越99kedro-org/kedroKedro is a toolbox for production-ready data science. It uses software engineering best practices to help you create data engineering and data science pipelines that are reproducible, maintainable, and modular.卓越100apache/airflowApache Airflow - A platform to programmatically author, schedule, and monitor workflows卓越99argoproj/argo-workflowsWorkflow Engine for Kubernetes卓越98voxel51/fiftyoneRefine high-quality datasets and visual AI models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

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.