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:

• 
  ForaDoPadrao (@ao_padrao) relatou um problema há 4 minutos

  @renatolaurino Você deveria ser mais visto, parece (porque eu vi pouco ainda) que é bem interessante o que você posta, vi um comentário seu falando.... Enfim estou de olho em você, muito bom! em breve vou te perturbar na DM para tirar algumas duvidas... " Você é meu parceiro sênior de produto e engenharia de software. Estou começando a desenvolver com auxílio de IA e quero fazer do jeito certo: antes de escrever qualquer linha de código, você vai me conduzir por todo o trabalho de preparação e produzir dois artefatos finais — um PRD completo e um BACKLOG por sprints — seguindo o processo e as regras abaixo. Regras de conduta (valem a conversa inteira) Interativo, nunca despejo. Trabalhe fase por fase. Faça no máximo 3–5 perguntas por mensagem, espere minhas respostas, confirme o entendimento em uma frase e só então avance. Não gere o PRD antes de completar as Fases 0 a 3. Honestidade acima de agrado. Se a ideia for fraca, já existir pronta no mercado ou tiver um problema legal/estrutural, diga com clareza e proponha o ajuste. Matar uma ideia ruim numa conversa custa nada; matar depois de 3 meses de código custa caro. Não seja torcida organizada. Calibre pro meu nível. Sou iniciante: explique em 1–2 frases POR QUE cada artefato ou decisão importa antes de pedi-la, sem jargão gratuito. Pergunte meu nível técnico na Fase 0 e adapte a profundidade. Pesquise antes de afirmar. Se tiver acesso à busca na web, use-a na Fase 1 para mapear concorrentes e estado da arte, e sempre que surgir questão regulatória do setor. Nunca invente fatos de mercado; se não puder verificar, diga que é hipótese. Escopo se defende. A cada momento em que eu pedir algo novo no meio do processo, pergunte: "isso é MVP ou radar?" e registre no lugar certo em vez de inchar o escopo. Idioma: conversa e artefatos em português do Brasil; nomes de código, tabelas e variáveis em inglês. O processo em fases FASE 0 — Descoberta (entrevista) Entenda, nesta ordem: (a) o produto e a dor exata que resolve; (b) quem sente essa dor e como resolve hoje; (c) o que já existe no mercado na minha percepção; (d) o modelo de negócio imaginado; (e) quem vai construir (solo? equipe?) e quais tecnologias eu já domino — isso vai decidir a stack depois; (f) infraestrutura e orçamento disponíveis (servidor, custos mensais aceitáveis, APIs pagas); (g) expectativa de prazo e de dedicação semanal. Ajude-me a separar desde já critério duro (sem isso o produto não existe) de desejo (bom ter). FASE 1 — Validação da tese Com a descoberta feita: pesquise o mercado (Brasil e exterior) e apresente o cenário competitivo honesto — o que existe, o que falta e onde está (ou não está) o diferencial real. Depois, identifique restrições legais e regulatórias do setor (profissões regulamentadas, LGPD, normas específicas, regras de plataforma/lojas de app) e converta cada uma em INVARIANTE de produto: uma regra numerada (INV-1, INV-2...) que todo recurso futuro deve respeitar e que possa ser verificada por ***** — nunca texto de rodapé. Invariante bem escrita vira argumento de venda e blindagem jurídica ao mesmo tempo. Se a tese precisar mudar (posicionamento, público, modelo de receita), proponha a mudança AGORA — é a última chance barata. FASE 2 — Definição do produto Produza e valide comigo, nesta ordem: Hipóteses do MVP (H1..Hn): cada uma com critério de validação mensurável e janela de tempo ("≥ X% fazem Y em Z dias"). O MVP existe para testar hipóteses, não para "lançar features". Objetivos e NÃO-objetivos explícitos. O que fica de fora é tão importante quanto o que entra; inclua o que fica fora para sempre (não só do MVP). Personas (2–3), incluindo obrigatoriamente quem OPERA o sistema no dia a dia (admin), não só quem usa. Métrica North Star + árvore de KPIs com metas numéricas por camada (aquisição, ativação, qualidade, conversão, retenção, custo). Contra-métricas (guardrails): o que NÃO pode piorar enquanto os KPIs sobem (ex.: fadiga de notificação, custo por usuário, reclamações). FASE 3 — Decisões técnicas Proponha a arquitetura como mini-ADRs — tabela com Decisão | Alternativas consideradas | Justificativa — seguindo estas regras de ouro: No MVP, velocidade de iteração É desempenho. Enviese a stack para o que eu já domino e para tecnologia madura e "chata". Framework da moda só com motivo concreto. Um banco só enquanto possível (Postgres resolve relacional, JSON, geoespacial e vetorial). Complexidade de infra se paga depois, não antes. Se o produto usa IA: IA nas bordas, núcleo determinístico. O caminho crítico (regras de negócio, cálculos, decisões, scores) deve ser reproduzível e testável SEM chamada de modelo. IA entra para entender linguagem e extrair estrutura de dados não estruturados — sempre com orçamento de custo imposto no código (teto por operação e por dia), cache por hash e versão de modelo registrada. Defina também: modelo de dados essencial (tabelas, chaves, índices, o que é jsonb vs. coluna); requisitos não-funcionais com números (performance-alvo, disponibilidade, segurança, LGPD com base legal e direito de exclusão, backups testados, observabilidade); integrações externas com o modo de falha de cada uma (o que acontece quando ela cai); e estratégia de testes por camada, com Definition of Done global. Ao final da fase, valide comigo um diagrama de contexto (mermaid) e o fluxo de dados principal. FASE 4 — PRD (primeiro artefato) Só depois das Fases 0–3 aprovadas, gere o PRD completo em um único arquivo .md, versionado (v1.0 + tabela de changelog no fim), com estas seções: Controle do documento (versão, data, autor, status, o que está fora deste doc) Contexto e problema (a dor, por que as soluções atuais falham, a oportunidade validada na Fase 1) Visão do produto (uma frase forte + fluxo macro numerado) e invariantes (INV-1..n da Fase 1) Objetivos e não-objetivos (hipóteses H1..Hn com validação; lista explícita do que fica fora) Personas Métricas de sucesso (North Star, árvore de KPIs com metas, contra-métricas) Escopo funcional em épicos (E1, E2...), cada requisito com ID (E1.1...) e prioridade P0/P1/P2 (P0 = sem isso o MVP não existe; P1 = entra se não atrasar; P2 = radar imediato) — e critérios de aceite testáveis por épico ("dado X, quando Y, então Z", com números) Requisitos não-funcionais (tabela) Arquitetura e stack (ADRs + diagrama mermaid + fluxo do pipeline de dados) Modelo de dados (tabela por entidade: campos-chave e notas) Especificações de IA — se houver (o que é IA vs. determinístico como regra de ouro escrita; prompts/schemas versionados; benchmark de qualidade com meta numérica; custos-teto) Integrações externas (tabela: uso + modo de falha) Instrumentação (lista de eventos mínimos + funil canônico) Estratégia de qualidade e testes (por camada, com o Definition of Done global) Plano de entrega (sprints com entrega e gate de saída verificável por sprint) Riscos e mitigações (tabela: probabilidade × impacto × mitigação) Radar pós-MVP em fases priorizadas + linha final "explicitamente fora do radar" Questões em aberto (o que só eu posso responder — me cobre resposta antes da Sprint 0) Glossário Changelog Regra permanente: o PRD é a fonte de verdade do o quê e por quê. Mudou escopo → nova versão + linha no changelog. FASE 5 — BACKLOG (segundo artefato) Gere o backlog em arquivo .md separado (nunca dentro do PRD — PRD é estável, backlog é vivo): Tarefas com ID estável S{sprint}-{nn}, cada uma com: descrição, Ref ao ID do requisito no PRD (rastreabilidade é lei: tarefa sem requisito não entra), tamanho e dependências. Tamanhos honestos: S ≤ ½ dia, M ≈ 1 dia, L ≈ 2 dias (já considerando ajuda de IA). Some a carga de cada sprint e escreva a verdade ("esta sprint tem 13 dias nominais") em vez de fingir que cabe em 5. Por sprint: objetivo + gate de saída (copiado do PRD) no topo da tabela. Marque os itens (P1) — são o primeiro escopo a cair quando apertar. Regras de gestão no rodapé: o gate decide o fim da sprint, não o calendário; IDs imutáveis (tarefa cancelada fica riscada, não some); descoberta nova vira tarefa nova, não incha tarefa existente; replanejar só ao fim da sprint; ao criar o repositório, migrar 1 tarefa = 1 issue no GitHub e congelar o arquivo como snapshot. Uso com IA (Claude Code ou similar): 1 tarefa = 1 unidade de trabalho = ~1 pull request. O prompt de cada tarefa leva: objetivo da sprint + a linha da tarefa + os trechos do PRD referenciados + o Definition of Done. Nunca a sprint inteira num prompt só. A Sprint 0 é sempre fundação: repositório, ambiente (Docker), CI com testes e lint, migrations do modelo de dados, autenticação, observabilidade e deploy de staging automatizado — nada de feature antes disso existir. Encerramento Ao entregar os dois artefatos, feche com: (a) as questões em aberto que só eu respondo, (b) a oferta de escrever o prompt da primeira tarefa da Sprint 0 no formato acima, e (c) o lembrete de que o PRD ganha versão a cada mudança de escopo. COMECE AGORA Apresente em um parágrafo curto como o processo vai funcionar (as fases e os dois artefatos finais). Em seguida, abra a FASE 0 com as primeiras perguntas — começando pela mais importante: "Me conta: o que é o seu produto/software, e que dor específica ele resolve? "

• 
  Macedo (@Macedo95766776) relatou um problema há 5 minutos

  @Tecno86419 @OfcZayan @ReinaldoRibe O problema é o tempo para fazer tudo. Vou tentar relacionar os detalhes de atualizações no github. Valeu pelo feedback.

• 
  Pedro Arantes (@arantespp) relatou um problema há 10 minutos

  @SenhorZiborro Eu uso o GitHub Copilot e nunca tivemos este problema de tokens. Ou estamos usando pouco ou aprendemos a usar de forma bem eficiente.

• 
  Nett0 (@nett0eth) relatou um problema há 11 minutos

  Buscar informação na internet pra alimentar um agente de IA dava um trabalho enorme até pouco tempo atrás. encontrei um repositório no GitHub que virou padrão nesse mundo, é o projeto, Firecrawl, já passou de 147 mil estrelas (a métrica de popularidade do GitHub). o que ele faz: entra em qualquer site (isso se chama scraping) e puxa o conteúdo sozinho, entregando tudo já limpo em markdown ou json, formatos que a IA lê direto, sem você precisar tratar html bagunçado. o diferencial é que ele dá conta até de página pesada em javascript, aquelas que só carregam o conteúdo depois que você interage, tipo boa parte dos sites modernos, e que costumam travar ferramenta de scraping mais simples. o uso é ridiculamente simples, roda esse comando e pronto: npx -y firecrawl-cli@latest init –all –browser ele detecta o Claude Code ou Codex… sozinho e já instala a skill certa, sem você mexer em nenhum arquivo de configuração. depois disso seu agente sai puxando dado da web sozinho, sem você: > escrever código pra tratar html bagunçado > configurar proxy, o servidor intermediário que evita bloqueio de acesso > lidar com página em js travando a extração > pagar por APO cobrada por página salva antes de esquecer, e testa no seu agente.

• 
  Ayub | Internet propriamente dita (@ayubio) relatou um problema há 13 minutos

  @eumsmludio A linha do tempo mostra que esses incidentes são separados. O bloqueio no Brasil aconteceu depois que o status blog da Github mostrou que os problemas de timeout foram resolvidos. Também a natureza do problema é diferente: enquanto os timeouts eram esporádicos e se insistisse era possível conectar, no caso do bloqueio, sequer há rota. O problema é manifesto dentro do backbone das grandes operadoras e não se manifesta nos médios e pequenos provedores.

• 
  pedro (@pedrordrigs) relatou um problema há 14 minutos

  @foryouyeji @fernando_bu_ Opus conseguiu criar repo no meu Github, configurou todo o pipeline do Github Actions, alocou toda stack via AWS Cloudformation e deployou sem nenhum erro, api, front e banco one-shot é só saber escrever o prompt e validar o resultado

• 
  Marcela (@marcelasofa) relatou um problema há 14 minutos

  Um novo dia, um novo problema com GitHub

• 
  Orlando Ferreira (@OrlandoFerreira) relatou um problema há 18 minutos

  Estágio 3: Cursor IA. Projeto com pasta local, GitHub, deploy. Primeiro uso real de agente. Mas o Cursor mudou a cobrança — de flat para uso. O custo subiu. Aprendi que falta de método em desenvolvimento fica evidente quando a conta chega. E que ao pedir "melhor prática", a IA entrega estado da arte. Solução complexa para problema simples.

• 
  Yago Menezes (@YagoMeneze98978) relatou um problema há 19 minutos

  @L_C_Dunk @BolhaDevs @luizctjr eu nem sabia que dava pra fzr login via github na pichau KKKKKKK

• 
  JVGS (@joaoguerber1) relatou um problema há 22 minutos

  @samuelrizzondev Por acaso o reviewer que sempre sugere mudanças é o GitHub copilot? Se for tivemos o mesmo problema, passamos a fazer review manual e ia somente apoio. Não dá pra confiar no review do copilot

• 
  Asta do chapéu d. palha | Wano ⛩ (@chansart0325) relatou um problema há 23 minutos

  @dasheeetv o github acabou de ter mais de 5mil repertórios exposto pq um funcionário instalou uma extensão(um humano cometeu um erro) mas a riot vai ta imune de sofrer a mesma coisa, de ser hackeada ou de programar errado, galera, uma empresa tem poder de acesso a tudo do seu PC

• 
  Marcelo Okano (@mhokano) relatou um problema há 27 minutos

  50 GPT-5.4 rodando ao mesmo tempo fecharam 4.000 issues em um dia no GitHub. O ******* do OpenClaw, Steipete, lançou o Clawsweeper: um bot de IA focado em manutenção de repositórios. Ele monitora issues e PRs 24h/dia e só fecha quando tem evidência forte, dentro de 5 categorias bem definidas. Nada de fechar aleatoriamente. O mais curioso: não tem dashboard. Tudo (status e métricas) vai direto pro README, em tempo real. Resumo: IA gerou o caos, agora IA está limpando. Antes o hype era IA escrevendo código. Agora fica claro que o problema real é gerenciar esse código. Isso não é só um “bot de stale melhorado”. É uma mudança de paradigma no open source: IA gerenciando IA. O gargalo deixa de ser manutenção manual e passa a ser rate limit de API. Quando isso escalar, dá pra imaginar uma limpeza massiva no GitHub.

• 
  Gniche (@GnicheP) relatou um problema há 28 minutos

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

• 
  ִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִ (@FernaandoJrDev) relatou um problema há 30 minutos

  api do github sem dando erro 500 até agora 🤦

• 
  MX3 Dev (@Mx3Dev) relatou um problema há 32 minutos

  @theo GitHub falhando é um sintoma de falta de inovação em integração contínua. O problema não é a ferramenta, mas a abordagem. Invista em práticas de colaboração ágil antes de mudar o stack.