Mapa de falhas e interrupções no serviço GitHub

Discussão da comunidade

Dicas? Frustrações? Compartilhe aqui o que você está pensando. Não se esqueça de incluir a descrição do problema e a sua cidade e código postal.

Cuidado com "números de suporte" ou contas de "recuperação" que podem ser postadas abaixo. Certifique-se de denunciar e votar contra esses comentários. Evite postar suas informações pessoais.

Reclamações sobre problemas no serviço GitHub

Reclamações sobre falhas, interrupções e problemas mais recentes nas redes sociais:

• 
  ִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִ (@FernaandoJrDev) relatou um problema há 6 minutos

  api do github sem dando erro 500 até agora 🤦

• 
  FsSOz001 (@Fagner_Souza) relatou um problema há 9 minutos

  BMI virou meme na medicina porque mede o que é fácil, não o que importa. Tech tem o mesmo problema: uptime 99.9% enquanto p99 de latência mata a UX. Code coverage 90% com testes que não testam nada. Stars no GitHub sem um único usuário real. Métrica fácil de coletar raramente é métrica útil.

• 
  Naldo Portela (@naldorp) relatou um problema há 12 minutos

  o twenty tá em trending no github com quase 49 mil stars. é um CRM open source, alternativa ao Salesforce, já desenhado pra workflow com AI. qdo até a camada q segura lead, pipeline e atendimento começa a virar software grátis, licença enterprise deixa de ser moat. vira ***** de coragem do comprador

• 
  João Cripto (@joaoxcripto) relatou um problema há 13 minutos

  bug da anthropic vazou chat do claude pro google e scraper ainda salvou no github → 11k expostas → um erro de linha só link compartilhado não é privado. assume que tudo vira publico agora mesmo.

• 
  Altair (@altsider) relatou um problema há 14 minutos

  @giovannibassi Eu nao sou dev e só estou aprendendo github agora... mas será que não foi um erro na LLM dele que disparou PR a torto e direito nos clones que ele fez desses 70 projetos Não sei se existe essa possibilidade

• 
  CryptoGeek (@CryptoGeekPT) relatou um problema há 14 minutos

  3/ Isto não é anedota. Em Maio, outro paper analisou agentic workflows reais em GitHub Actions. 13.392 workflows. 10.792 repositórios. 519 potenciais vulnerabilidades. 496 confirmadas como exploráveis. 343 zero-days. O problema não é “o modelo alucina”. É o output virar acção.

• 
  Antonio Carlos Filho - trapiche.cloud (@acfilho_dev) relatou um problema há 17 minutos

  @SpringerFabio Fala meu amigo, a plataforma é deploy de apps tbm, por isso pedimos acesso ao seu GitHub. Vou iniciar o processo de login com Google tbm pra facilitar

• 
  pintode3abas (@pintode3abas) relatou um problema há 18 minutos

  @marcelhalls @Niccatweed Muitos apps de 1PTV usam portais que em teoria não são bloqueados para colocar links para atualização caso sofram bloqueios, é tipo a pessoa hospedar um link 1ptv no govbr e logicamente não iriam derrubar pq afinal é o govbr, problema é tirarem o conteúdo ilegal do github.

• 
  O Argonauta 🇻🇦 studytwt (@Gustavo_argos7) relatou um problema há 21 minutos

  @LuigiAMDG Pode ser uma opção, mas que estranho isso do nada. Eles tem suporte pra vc contatar ou talvez já exista algum tutorial de dev no github sobre esse problema?

• 
  O Observador (@o_observadorpt) relatou um problema há 23 minutos

  @getobigdick @snowlukke @cacauwithmilk Tu pode focar só um em sim, mas n deixa de ver um pouco sobre outro, vc é iniciante, n tem problema explorar outras Stack. E os projetos q falo é tentar fzr algo mais complexo doq uma calculadora, tlg? Tem gnt q acha q é só enfiar o Github de projetos aleatórios, e n é bem assim

• 
  Naldo Portela (@naldorp) relatou um problema há 24 minutos

  a Jane Street, firma de trading quantitativo, botou no github o magic-trace. é uma ferramenta pra ver oq um processo tava fazendo antes de ficar lento ou quebrar, com resolução de ~40 nanossegundos e sem mexer no app. qdo uma house desse nível abre infra assim, a vantagem não some. ela sobe de camada

• 
  Gniche (@GnicheP) relatou um problema há 25 minutos

  é só o meu github ou tá geral lento demais hoje? as coisas simplemente não carregam

• 
  Naldo Portela (@naldorp) relatou um problema há 25 minutos

  o chatwoot tá em trending no github com quase 30 mil stars. é uma central open source de atendimento que junta site, email, WhatsApp, Instagram, Facebook e Telegram no mesmo inbox, alternativa a Intercom e Zendesk. qdo até essa camada começa a virar software aberto, a margem sai do ticket e vai pro workflow

• 
  Condz (@condzxyz) relatou um problema há 29 minutos

  todo mundo está tentando criar a próxima inteligência artificial brilhante ou o wrapper de api mais bonitinho do mercado. mas quase ninguém está olhando para o verdadeiro gargalo físico da tecnologia: 𝚃𝚁𝙰𝙸𝙽𝙸𝙽𝙶 𝙳𝙰𝚃𝙰. as grandes empresas de tecnologia já sugaram quase toda a internet pública aberta. livros, artigos, posts de fóruns. tudo já foi processado. o que está acontecendo agora é o que os pesquisadores chamam de 𝘥𝘢𝘵𝘢 𝘸𝘢𝘭𝘭. segundo um estudo recente da 𝒆𝒑𝒐𝒄𝒉 𝒂𝒊, o estoque de dados de texto públicos de alta qualidade para treinar modelos de linguagem deve se esgotar completamente nos próximos anos. a partir daqui, os modelos só melhoram de duas formas: ou com dados sintéticos de altíssima qualidade, ou com dados humanos proprietários, limpos e ultra segmentados. e isso vai muito além de texto escrito. a nova fronteira que os grandes laboratórios de ia estão comprando de forma desesperada são os dados de ação multimodal. hoje, existe uma onda silenciosa de programadores, designers e engenheiros que estão literalmente filmando a própria tela enquanto trabalham, gravando cada clique, cada atalho de teclado e cada linha de raciocínio verbalizada para vender esses pacotes de vídeo e áudio para empresas de treinamento de inteligência artificial. e os valores que estão pagando por isso são surreais. plataformas como 𝒐𝒖𝒕𝒍𝒊𝒆𝒓, 𝒔𝒄𝒂𝒍𝒆 𝒂𝒊 e 𝒅𝒂𝒕𝒂𝒂𝒏𝒏𝒐𝒕𝒂𝒕𝒊𝒐𝒏.𝒕𝒆𝒄𝒉 estão ativamente contratando profissionais de tecnologia globais para gerar esses datasets de comportamento. para desenvolvedores seniores ou especialistas em linguagens específicas que gravam a tela programando, explicam o raciocínio em áudio e resolvem bugs complexos em tempo real, as taxas de pagamento variam de 𝐮$ 𝟒𝟎 𝐚 𝐮$ 𝟕𝟓 𝐩𝐨𝐫 𝐡𝐨𝐫𝐚. se você fizer as contas, um desenvolvedor brasileiro que dedica algumas horas da sua semana para gerar esses dados de treinamento de forma consistente consegue tirar facilmente mais de 𝐮$ 𝟑.𝟎𝟎𝟎 𝐚 𝐮$ 𝟓.𝟎𝟎𝟎 𝐩𝐨𝐫 𝐦ê𝐬 extras, trabalhando de casa e recebendo direto em dólar de gigantes do vale do silício. por que isso vale tanto ouro para eles? porque para treinar agentes de ia que conseguem operar o computador sozinhos (o chamado 𝘤𝘰𝘮𝘱𝘶𝘵𝘦𝘳 𝘶𝘴𝘦), os modelos precisam aprender o comportamento humano real de navegação. eles precisam ver o erro, a correção, o hesitar do mouse e o fluxo de tomada de decisão em tempo real. um vídeo bruto de um sênior resolvendo um problema complexo de infraestrutura vale infinitamente mais do que qualquer código estático no github. se você sabe programar, o seu maior ativo hoje não é criar mais um chatbot de whatsapp para imobiliária. é construir pipelines de coleta, estruturação e limpeza de dados de nicho, ou até coordenar a captação desses dados de comportamento real. existem caminhos práticos para devs monetizarem essa demanda global agora: ✦ gravação de fluxos de trabalho e 𝙲𝙾𝙼𝙿𝚄𝚃𝙴𝚁 𝚄𝚂𝙴 𝙳𝙰𝚃𝙰𝚂𝙴𝚃𝚂 você pode se cadastrar diretamente nessas plataformas de treinamento (como scale ai e outlier) para vender suas horas de trabalho filmadas. outra opção de negócio é criar ou gerenciar comunidades de profissionais locais no brasil para gravarem suas telas executando tarefas complexas em softwares específicos (como figma, excel avançado ou ferramentas de crm), empacotar esses datasets e vender em lote para essas grandes empresas. ✦ curadoria de dados de nicho e scrapers os grandes laboratórios de ia nos estados unidos e europa precisam de dados especializados que não estão abertos na web de forma fácil. dados jurídicos locais, prontuários médicos anonimizados, transcrições de áudios regionais com gírias específicas. se você constrói scrapers robustos, limpa esses dados, remove informações sensíveis e os organiza em formatos prontos para treinamento (como jsonl), você tem um produto extremamente valioso. ✦ infraestrutura de 𝐫𝐥𝐡𝐟 localizada o aprendizado por reforço com feedback humano é o que transforma um modelo bruto em algo utilizável. criar plataformas simples e eficientes para especialistas humanos (como médicos ou advogados) avaliarem e corrigirem saídas de ia é um mercado gigante. as empresas globais terceirizam essa rotulagem de dados. você pode montar a infraestrutura técnica e coordenar times locais no brasil para fazer a validação, aplicando uma estratégia clássica de 𝘢𝘳𝘣𝘪𝘵𝘳𝘢𝘨𝘦𝘮 𝘨𝘭𝘰𝘣𝘢𝘭: recebe em dólar das empresas americanas e paga a operação local de rotulagem em real. ✦ fine-tuning como serviço para empresas as empresas tradicionais têm montanhas de dados internos bagunçados em pdfs, planilhas e servidores legados. elas não podem enviar isso para apis abertas por privacidade. o dev que sabe pegar esses dados, limpar, criar o dataset de treino e rodar um fine-tuning local de um modelo open-source entrega um valor absurdo. isso não é apenas desenvolvimento de software tradicional; é engenharia de dados aplicada à nova infraestrutura de tecnologia. o gargalo real da inteligência artificial não é a falta de poder de processamento ou de algoritmos refinados. é a escassez de dados limpos e estruturados para alimentar as máquinas. quem parar de tentar criar o centésimo wrapper de gpt e focar em resolver o problema da matéria-prima vai construir negócios extremamente lucrativos e silenciosos.

• 
  allan Dohkan (@1Dohkan) relatou um problema há 31 minutos

  Eu tenho uma ideia diferente. Desenvolvedores sempre tiveram na cabeça o senso de ajudar o próximo e compartilhar. Compartilhamos código no github, ajudamos livremente no stack overflow, trabalhamos em projetos open-source... O problema foi que venderam pra juventude um sonho++