公开记录
软件健康报告模式 0.12.0 · 指标 2.10.0 · 2026-07-18 01:45 UTC

zilliztech / memsearch

A persistent, unified memory layer for all your AI agents (e.g. Claude Code, Codex), backed by Markdown and Milvus.

Python · ShellMIT★ 2,250 星标⑂ 196 复刻始于 2026年2月在 GitHub 上查看 ↗
类型库命令行工具如何判定
#agent-memory#claude-code#claude-code-plugin#memory#openclaw#progressive-disclosure#rag#agent#embeddings#milvus#semantic-search#ai-agents#harness#hybrid-search#long-term-memory#opencode#reranker#skills#codex#codex-cli

zilliztech/memsearch 的健康指数为 100 分中的 89 分，处于「优秀」区间。 其得分最高的类别是Engineering Quality（95/100），最低的是Security（46/100）。 最近一次更新在 4 天前。 近期的大部分工作由 1 位贡献者完成。

89
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。

89
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 75 经校准后在公布的指数量表上为 89（记录校准 2026-08-02）。

所有权

Zilliz组织
1,024 关注者72 个公开仓库始于 2016年4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
PyPImemsearch0.4.14102,306424 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？

88优秀 · 占总体的 21%

开发活跃度

80优秀
评分方式
36/36推送新近度 — 最近一次推送于 4 天前
15.9/36提交节奏 — 52 周中有 23 周有提交
18/18提交量 — 最近一年 401 次提交
10/10OpenSSF Scorecard：Maintained — 30 commit(s) and 13 issue activity found in the last 90 days -- score normalized to 10
所用输入
commits_last_year401
human_commit_share—
days_since_last_push4
active_weeks_last_year23

发布纪律

100卓越
评分方式
27/27有发布版本 — 已发布 26 个发布版本
36/36发布时效 — 最近一次发布版本于 4 天前
27/27发布节奏 — 约每 5.1 天发布一次
0/10OpenSSF Scorecard：Signed-Releases — 无数据
所用输入
releases_count26
latest_release_tagv0.4.14
releases_from_tags否
days_since_latest_release4
mean_days_between_releases5.1
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？

74良好 · 占总体的 17%

流行度与采用

78良好
评分方式
54.4/60星标 — 2,250 个星标
19.1/25复刻 — 196 个复刻
5/15关注者 — 9 位关注者
所用输入
forks196
stars2,250
watchers9
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_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？

68良好 · 占总体的 23%

维护者韧性（巴士系数）

29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
3.6/22.5提交分布 — 头号贡献者编写了 84% 的提交
13.5/13.5贡献者广度 — 18 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_sampled18
top_contributor_share0.838

议题与 PR 响应能力

62中等
评分方式
29.7/42议题解决 — 71% 的议题已关闭
24.1/30PR 接受 — 已裁定的 PR 中 271/338 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 2/26 approved changesets -- score normalized to 0
所用输入
merged_prs271
open_issues26
closed_issues63
prs_merged_7d—
prs_decided_7d—
prs_merged_30d—
prs_decided_30d—
issue_closed_ratio0.708
closed_unmerged_prs67
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

96卓越
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
21.6/25所有者影响力 — zilliztech 有 1,024 位关注者
25/25既往记录 — 72 个公开仓库，账户约 10 年
所用输入
followers1,024
owner_typeOrganization
is_verified—
owner_loginzilliztech
public_repos72
account_age_days3,748
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 4 天前
20/20版本历史 — 42 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
packagesmemsearch
ecosystemspypi
any_deprecated否
min_days_since_publish4

工程质量

基础的工程与文档实践是否到位？

95卓越 · 占总体的 19%

工程实践

92优秀
评分方式
24/24CI 工作流 — 6 个工作流
24/24存在测试
16/16Linter 配置
9.6/9.6Pre-commit 钩子
0/6.4.editorconfig
18/20OpenSSF Scorecard：CI-Tests — 24 out of 26 merged PRs checked by a CI test -- score normalized to 9
所用输入
has_ci是
has_tests是
has_editorconfig否
has_linter_config是
has_precommit_config是

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://zilliztech.github.io/memsearch/
10/10仓库描述
10/10主题标签 — 20 个主题标签
10/10Wiki
所用输入
topicsagent-memory, claude-code, claude-code-plugin, memory, openclaw, progressive-disclosure, rag, agent, embeddings, milvus, semantic-search, ai-agents, harness, hybrid-search, long-term-memory, opencode, reranker, skills, codex, codex-cli
has_wiki是
homepagehttps://zilliztech.github.io/memsearch/
docs_sitehttps://zilliztech.github.io/memsearch/
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？

46薄弱 · 占总体的 16%

安全态势

46薄弱
评分方式
7.5/7.5Binary-Artifacts — no binaries found in the repo
2.2/7.5Branch-Protection — branch protection is not maximal on development and all release branches
2.2/2.5CI-Tests — 24 out of 26 merged PRs checked by a CI test -- score normalized to 9
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
0/7.5Code-Review — Found 2/26 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
7.5/7.5Maintained — 30 commit(s) and 13 issue activity found in the last 90 days -- score normalized to 10
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 — 无数据
7.5/7.5Token-Permissions — GitHub workflow tokens follow principle of least privilege
0/7.5Vulnerabilities — 64 existing vulnerabilities detected
所用输入
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate4.6
已排除计分（无数据或不适用）：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 — AGENT.md, 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_filesAGENT.md, CLAUDE.md
agent_instruction_max_bytes9,401
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）

52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
0/11静态类型检查
10/10可复现环境 — 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否
typed_language否
bootstrap_files—
has_devcontainer否
has_linter_config是
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 — Python，未配置类型检查
55/55可控的文件大小 — 采样的 68 个源文件中有 0 个超过 60KB
所用输入
primary_languagePython
largest_source_bytes45,248
source_files_sampled68
oversized_source_files0

关键数据

2,250GitHub 星标
18贡献者
401最近 12 个月提交数
4距最近推送天数
26发布版本数
1巴士系数（bus factor）
26开放议题
PyPI软件包生态系统数

数据采集警告

  • GitHub dependency-graph SBOM unavailable (404); the dependency graph may be disabled for this repository

更多细节

OpenSSF Scorecard 4.6 / 10
4.6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 · 2026-07-18 01:44 UTC

10Binary-Artifactsno binaries found in the repo
3Branch-Protectionbranch protection is not maximal on development and all release branches
9CI-Tests24 out of 26 merged PRs checked by a CI test -- score normalized to 9
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
0Code-ReviewFound 2/26 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
10Maintained30 commit(s) and 13 issue activity found in the last 90 days -- score normalized to 10
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
不适用Signed-Releasesno releases found
10Token-PermissionsGitHub workflow tokens follow principle of least privilege
0Vulnerabilities64 existing vulnerabilities detected
直接依赖 8
注册表软件包版本约束清单文件
PyPIpymilvus>=2.5.0,!=2.6.10pyproject.toml
PyPImilvus-lite>=2.5.0pyproject.toml
PyPIclick>=8.1pyproject.toml
PyPIwatchdog>=4.0pyproject.toml
PyPIsetuptools>=78.1.1,<81pyproject.toml
PyPItomli_w>=1.0pyproject.toml
PyPItomli>=2.0pyproject.toml
PyPIopenai>=1.0pyproject.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 zilliztech/memsearch 共享目录标签或生态系统的已检测仓库。 并排阅读 →

95MemTensor/MemOSSelf-evolving memory OS for LLM & AI Agents: ultra-persistent memory, hybrid-retrieval, and cross-task skill reuse, with 35.24% token savings and DeepSeek Harness support.卓越94MemoriLabs/MemoriMemori is agent-native memory infrastructure. A LLM-agnostic layer that turns agent execution and conversation into structured, persistent state for production systems. Built for enterprise, Memori works with the data infrastructure you already run, no rip-and-replace, and deploys across managed cloud, single-tenant cloud, VPC, and on-premises.卓越94plastic-labs/honcho Memory library for building stateful agents卓越93affaan-m/ECCThe agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.卓越93hashgraph-online/hol-guardOpen-source antivirus for AI agents: block risky tools, secret access, prompt injection, malicious packages, MCP servers, plugins, and skills at runtime.卓越93junhoyeo/tokscale🛰️ Track token usage across AI coding agents from your terminal. 🏅 Global leaderboard with trillions of tokens tracked.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 — PyPI.