公开记录
软件健康报告模式 0.34.0 · 指标 2.10.0 · 2026-09-13 03:38 UTC

seruva19 / ayase

Modular media quality metrics toolkit.

PythonMIT★ 2 星标⑂ 0 复刻始于 2026年3月在 GitHub 上查看 ↗
类型命令行工具库终端界面如何判定

seruva19/ayase 的健康指数为 100 分中的 9 分，处于「危急」区间。 其得分最高的类别是Engineering Quality（85/100），最低的是Security（1/100）。 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。

9
总分 / 100
危急

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。

9
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 46 经校准后在公布的指数量表上为 44（记录校准 2026-08-02）。 高风险司法辖区政策对加权总体健康应用 20% 的乘数，并对其设置“存在风险”上限 34。

所有权

seruva19个人账户
31 关注者11 个公开仓库始于 2017年3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
PyPIayase0.1.76818745 天前aicomputer-visiondatasetimagemetricsmlquality-assessmentvideovqa

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？

45薄弱 · 占总体的 21%

开发活跃度

75良好
评分方式
36/36推送新近度 — 最近一次推送于 5 天前
13.8/36提交节奏 — 52 周中有 20 周有提交
18/18提交量 — 最近一年 228 次提交
0/10OpenSSF Scorecard：Maintained — 无数据
所用输入
commits_last_year228
human_commit_share1
days_since_last_push5
active_weeks_last_year20

发布纪律

1危急
评分方式
0/27有发布版本 — 未发布任何发布版本
0/36发布时效 — 没有发布版本
0/27发布节奏 — 没有发布版本
0/10OpenSSF Scorecard：Signed-Releases — 无数据
所用输入
releases_count0

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？

37薄弱 · 占总体的 17%

流行度与采用

1危急
评分方式
0/60星标 — 2 个星标
0/25复刻 — 0 个复刻
0/15关注者 — 0 位关注者
所用输入
forks0
stars2
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（MIT）
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_badges0
has_contributing是
has_issue_template否
has_code_of_conduct否
readme_badge_services—
has_pull_request_template否

生态采用（下载量）

48薄弱
评分方式
38.8/80月度下载量 — pypi 合计每月 818 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
packagesayase
dependents—
ecosystemspypi
total_downloads—
monthly_downloads818
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？

48薄弱 · 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
0/22.5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
0/10OpenSSF Scorecard：Contributors — 无数据
所用输入
bus_factor1
contributors_sampled1
top_contributor_share1

所有权与托管责任

51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
10.8/25所有者影响力 — seruva19 有 31 位关注者
19.9/25既往记录 — 11 个公开仓库，账户约 9 年
所用输入
followers31
owner_typeUser
is_verified—
owner_loginseruva19
public_repos11
account_age_days3,452
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 5 天前
20/20版本历史 — 74 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
packagesayase
ecosystemspypi
any_deprecated否
min_days_since_publish5

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 — 1 个工作流
24/24存在测试
16/16Linter 配置 — pyproject.toml ([tool.ruff], [tool.black])
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
25/25文档目录
0/15文档 / 主页站点
10/10仓库描述
0/10主题标签
10/10Wiki
所用输入
topics—
has_wiki是
homepage—
docs_site—
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？

1危急 · 占总体的 16%

安全态势

1危急
评分方式
0/30安全策略（SECURITY.md）
0/25Dependabot 配置
0/25依赖锁定文件
0/20CodeQL 工作流
所用输入
sourcefile_signals
lockfiles—
manifestspyproject.toml
has_codeql_workflow否
has_security_policy否
has_dependabot_config否
high_risk_jurisdiction_cap34
high_risk_jurisdiction_multiplier20
security_posture_after_multiplier1
security_posture_before_jurisdiction1
高风险司法辖区政策应用 20% 的乘数，并对安全态势设置“存在风险”上限 34。

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。

75良好 · 占总体的 4%

AI 代理上下文与指引

78良好
评分方式
45/45代理指令 — AGENTS.md
0/15机器可读文档（llms.txt）
33.1/40可读的提交历史 — 100 次人类提交中有 62 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_share0.62
agent_instruction_filesAGENTS.md
agent_instruction_max_bytes27,045

验证循环（构建 / 测试 / 类型检查）

60中等
评分方式
0/18一条命令的引导启动
22/22自动化测试
11/11Lint / 格式化配置 — pyproject.toml ([tool.ruff], [tool.black])
11/11静态类型检查 — src/ayase/py.typed
10/10可复现环境 — Dockerfile
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
lockfiles—
has_dockerfile是
typed_language否
bootstrap_files—
has_devcontainer否
has_linter_config是
typecheck_configssrc/ayase/py.typed
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

面向模型的代码可读性

82优秀
评分方式
27/45可类型检查的代码 — Python，已配置类型检查（src/ayase/py.typed）
54.7/55可控的文件大小 — 采样的 870 个源文件中有 4 个超过 60KB
所用输入
primary_languagePython
largest_source_bytes101,418
source_files_sampled870
oversized_source_files4

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, sample
所用输入
example_dirsexamples, sample
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

2GitHub 星标
1贡献者
228最近 12 个月提交数
5距最近推送天数
0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
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit; 2026/09/13 03:37:53 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

直接依赖 81
注册表软件包版本约束清单文件
PyPItyper>=0.12.0,<1.0pyproject.toml
PyPIrich>=13.7.0,<15.0pyproject.toml
PyPIpydantic>=2.5.0,<3.0pyproject.toml
PyPIpydantic-settings>=2.1.0,<3.0pyproject.toml
PyPIopencv-python>=4.9.0,<5.0pyproject.toml
PyPIpillow>=10.2.0,<13.0pyproject.toml
PyPInumpy>=1.24.0,<3.0pyproject.toml
PyPItqdm>=4.66.0,<5.0pyproject.toml
PyPIpyarrow>=15.0.0,<23.0pyproject.toml
PyPIpandas>=2.1.0,<3.0pyproject.toml
PyPIimageio>=2.33.0,<3.0pyproject.toml
PyPIimageio-ffmpeg>=0.4.9,<1.0pyproject.toml
PyPItextual>=0.52.0pyproject.toml
PyPItorch>=2.1.0,<2.11pyproject.toml
PyPItorchvision>=0.16.0,<0.26pyproject.toml
PyPItorchaudio>=2.1.0,<2.11pyproject.toml
PyPItransformers>=4.45.0,<5.0pyproject.toml
PyPIqwen-vl-utils>=0.0.8pyproject.toml
PyPIhuggingface-hub>=0.20.0,<2.0pyproject.toml
PyPIsafetensors>=0.4.0pyproject.toml
PyPItimm>=0.9.12pyproject.toml
PyPIeinops>=0.8.1pyproject.toml
PyPIeinops-exts>=0.0.4,<0.1pyproject.toml
PyPIgeomloss>=0.2.6,<1.0pyproject.toml
PyPIpeft>=0.2.0,<1.0pyproject.toml
PyPIftfy>=6.0pyproject.toml
PyPIregex>=2024.0.0pyproject.toml
PyPIiopath>=0.1.10,<0.2pyproject.toml
PyPIpytorchvideo>=0.1.5,<0.2pyproject.toml
PyPIlpips>=0.1.4pyproject.toml
PyPIopen-clip-torch>=2.24.0pyproject.toml
PyPIpyiqa>=0.1.13,<1.0pyproject.toml
PyPIscipy>=1.11.0pyproject.toml
PyPIscikit-image>=0.19.0pyproject.toml
PyPIscikit-video>=1.1.11pyproject.toml
PyPIdecord>=0.6.0pyproject.toml
PyPIvebench==1.0.0pyproject.toml
PyPIv-stream>=0.1.2pyproject.toml
PyPIprdc>=0.2pyproject.toml
PyPIscikit-learn>=1.3.0pyproject.toml
PyPIjoblib>=1.3.0pyproject.toml
PyPInumba>=0.58.0pyproject.toml
PyPImatplotlib>=3.7.0pyproject.toml
PyPIcolour-science>=0.4.0pyproject.toml
PyPIPyWavelets>=1.3.0pyproject.toml
PyPIpyrtools>=1.0.9pyproject.toml
PyPIcvvdp>=0.5.6,<0.6pyproject.toml
PyPIPyYAML>=6.0pyproject.toml
PyPIrequests>=2.31.0pyproject.toml
PyPIscenedetect>=0.6.5,<1.0pyproject.toml
PyPIomegaconf>=2.3.0pyproject.toml
PyPInltk>=3.8.0pyproject.toml
PyPIaccelerate>=0.25.0pyproject.toml
PyPIdiffusers>=0.25.0pyproject.toml
PyPIpaddlepaddle>=3.0pyproject.toml
PyPIpaddleocr>=3.0pyproject.toml
PyPIpython-Levenshtein>=0.21.0pyproject.toml
PyPIfaster-whisper>=1.2.0,<2.0pyproject.toml
PyPImsclap>=1.3.4,<2.0pyproject.toml
PyPIaudiobox_aesthetics>=0.0.4,<0.1.0pyproject.toml
PyPImediapipe>=0.10.0,<1.0pyproject.toml
PyPIrtmlib>=0.0.13pyproject.toml
PyPIinsightface>=0.7.0pyproject.toml
PyPIonnxruntime>=1.14.0pyproject.toml
PyPIultralytics>=8.0.0,<9.0pyproject.toml
PyPIinvisible-watermark>=0.2.0pyproject.toml
PyPIlibrosa>=0.10.1,<0.11pyproject.toml
PyPImuq>=0.1.0pyproject.toml
PyPImoviepy>=1.0.3,<2.0pyproject.toml
PyPIpyloudnorm>=0.1.1,<1.0pyproject.toml
PyPIpython_speech_features>=0.6,<1.0pyproject.toml
PyPIsoundfile>=0.12.0pyproject.toml
PyPIsilero-vad>=6.0.0,<7.0pyproject.toml
PyPItorchmetrics>=1.0.0pyproject.toml
PyPItransnetv2-pytorch>=1.0.0pyproject.toml
PyPIumap-learn>=0.5.0pyproject.toml
PyPIwget>=3.2,<4.0pyproject.toml
PyPIsetuptools>=69,<70pyproject.toml
PyPItomli>=2.0.1,<3.0pyproject.toml
PyPItomli-w>=1.0.0,<2.0pyproject.toml
PyPItyping_extensions>=4.0.0pyproject.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 seruva19/ayase 共享目录标签或生态系统的已检测仓库。 并排阅读 →

96roboflow/supervisionWe write your reusable computer vision tools. 💜卓越99ultralytics/ultralyticsUltralytics YOLO27, YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object tracking卓越97roboflow/rf-detrRF-DETR is a real-time object detection and segmentation model architecture developed by Roboflow, SOTA on COCO, designed for fine-tuning. [ICLR 2026] 卓越100onnx/onnxOpen standard for machine learning interoperability卓越99pydantic/logfireAI observability platform for production LLM and agent systems.卓越99mlflow/mlflowThe open source AI engineering platform for agents, LLMs, and ML models. MLflow enables teams of all sizes to debug, evaluate, monitor, and optimize production-quality AI applications while controlling costs and managing access to models and data.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 v0.34.0—— 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.