Lm Evaluation Harness综合评价：一般

只看公开、能核对的数据，不打分数，只给四档结论，每一项的依据都写在旁边。

• 更新：近 90 天改了多少次代码、最近一次发版是哪天。7 天内有改动并且改得多或常发版，算「很活跃」；30 天内有改动算「活跃」；半年内算「放缓」；半年以上没动或者已经归档，算「停更」。
• 问题处理：近 90 天新开的问题解决了几成、一般几天解决、外部提交的修改积压了多少。解决八成以上、一般一周内解决、积压不比合进去的多，算「好」；解决不到一半算「差」；其余算「一般」。新问题不到 10 个的不评。
• 用的人：GitHub 收藏 5 万以上算很多，1 万以上算多，1 千以上算一般。旁边写近 7 天新增多少、多少人参与开发。
• 用户口碑：用户评价满 5 条才算进来（注册不满 7 天的账号不算）；平均分在 2.5 分及以下，总评降一档。
• 总评四档：还在更新、问题处理好、用的人多 → 推荐；还在更新 → 不错；更新放缓或问题处理差 → 一般；半年以上没更新 → 谨慎。许可证有附加条件、商用受限的，单独提醒，不影响总评。
• 收费软件（ChatGPT、Cursor 这类）没有公开的问题记录，就看 App Store：最近一次更新在 30 天内算「活跃」，半年内算「放缓」，半年以上算「停更」；打分人数 10 万以上算很多，1 万以上算多，1 千以上算一般；评分 4 分以上算好，2.5 分及以下算差，打分不到 100 人不评。再加上用户评价。

收藏数能刷，所以只占一项；更新和问题处理很难刷。数据每天更新，超过两周没更新的不评。