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:

• 
  Dividendos (@Dividendos16256) relatou um problema há 4 minutos

  @devcelio O meu problema com o codex é que sempre que faço alguma alteração do projeto (código) no github da conflito em alguma parte, já no claude code nunca dá. Alguma dica para o codex?

• 
  ✪ Felippe (@FelippeRegazio) relatou um problema há 8 minutos

  @lordtux pois é rs o github ta sentado num lugar confortável, mas não demora muito até alguém começar a abrir caminho em meio a essas falhas deles - é como já dizia o mestre chorão: é na tua falha que eu me fortaleço u.u

• 
  ؘ (@sarfsti) relatou um problema há 10 minutos

  pelo menos amanhã uma das primeiras coisas que irei fazer no trabalho é baixar o git e subir o que tiver que subir pro github pq aí posso continuar estudando de casa sem problema

• 
  FsSOz001 (@Fagner_Souza) relatou um problema há 11 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.

• 
  ProjetoLabo (@ProjetoLabo) relatou um problema há 12 minutos

  Ecossistema errado O ataque ao Packagist não inovou no payload, inovou no contexto. Oito pacotes PHP foram comprometidos não pelos metadados do Composer, mas pelo manifesto JavaScript escondido dentro deles. Um script pós-instalação baixava um Linux binary de um GitHub Releases falsificado, salvava em diretório oculto e rodava como gvfsd-network para imitar um daemon do GNOME. Cross-ecosystem placement. Times de segurança escaneiam o lock file do Composer, mas ignoram o manifesto JS empacotado junto. O atacante deslocou o hook para o ecossistema errado, onde ninguém olha. Socket encontrou o mesmo payload em 777 arquivos no GitHub. Em dois casos, o código foi injetado em GitHub Actions. O repositório do binário caiu, então o segundo estágio é desconhecido. Mas o instalador sozinho já dá RCE, desativa TLS e suprime erros. Quantos outros ecossistemas estão sendo usados como cavalo de Troia para esconder payloads onde ninguém vasculha? #SupplyChainSecurity #Packagist

• 
  Digite um Nome (@zezim3103) relatou um problema há 13 minutos

  Virei a noite duelando contra o github actions, e meu erros eram uns bagulhos tão "simples" e eu demorei um século pra resolver, vou ter q trocar de repositório ainda pq chegou um ponto que eu tava commitando "'sla','bla','nao funciona',':(', 'T-T' e 'Já não há mais esperança'"

• 
  someone (@zaneves01) relatou um problema há 15 minutos

  O actions do GitHub é muito lento sou muito mais o velho careca do jenkins.

• 
  Luiz (@luidhi) relatou um problema há 15 minutos

  @cegadede Vc está vendo só a camada de front-end. O backend roda Java, Cobol e outras tecnologias que nunca viram Github e se rodar npm no Unix da erro de comando.

• 
  Condz (@condzxyz) relatou um problema há 16 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.

• 
  Ivan Amado cardoso (@Ivanpeace85) relatou um problema há 23 minutos

  @estudajuly @lucaslrls_ Erro brutal,no inicio eu postava pouquíssimas coisa no meu github,hj meu github tem uma cratera gigante,meu github tem 15 anos,com vários anos zerados.criar a conta serve como o marco inicial,posta tudo q for possível pois vc estará registrando sua história profissional.

• 
  TVTOON (@TVTOON2) relatou um problema há 24 minutos

  @ayubio Explica muita coisa recentemente, Github ainda é um problema menor que eu resolvo enrolando com o método "Firefox".

• 
  Clint (@BisnetoDev) relatou um problema há 28 minutos

  Mais uma feature poderosa chegando no #SuperNanno! Agora, sempre que o editor encontrar uma exception ou falha, ele vai te ajudar a reportar o bug direto pro GitHub de forma automática. Estou construindo isso pra tornar o processo de feedback e contribuição o mais fácil possível.

• 
  Penegui (@penegui_oficial) relatou um problema há 29 minutos

  @fernandoiecp Você mesmo matou seu argumento quando disse “não fui nem pesquisar”. Não é “bem documentado” no sentido de tutorial copiável. O artigo explica a vulnerabilidade e os conceitos, mas não entrega todo o processo operacional justamente para não facilitar reprodução indevida. Listar POS, Proxmark, Raspberry, Android e iPhone não prova domínio técnico. Isso é só listar peças. A dificuldade está em entender o fluxo EMV, APDUs, modo transporte, relay, tempo de resposta, comportamento da bandeira, do terminal e validar isso em ambiente real/controlado. Também não existe esse “certamente tem código no GitHub”. Isso é chute. Se é tão simples, estou aguardando você mandar o vídeo reproduzindo, já que segundo você é só copiar. Reproduzir uma vulnerabilidade desse tipo com logs, evidência e validação não é assistir vídeo ******. É pesquisa aplicada. O problema é você tentar diminuir algo que claramente não estudou.

• 
  thelittleluiz.dev (@TheLittleLuiz) relatou um problema há 36 minutos

  @naluhh Uns meses atrás um cara me contatou dizendo ser recrutador da Ripple, com vagas abertas. Mandei o currículo e marquei a entrevista. Na call ele ligou a câmera, fingiu problema no microfone, reconectou e já veio pedindo live coding: “clona esse repo”. O nome do repositório? texas-holdem-2026 algo assim. Nem abri. Meti o louco, falei que estava no computador de trabalho e que não poderia clonar, aí ele surtou e tentou me forçar. Graças a uma amiga que já caiu no mesmo golpe, eu reconheci na hora. No caso dela o scammer foi mais inteligente: o repo parecia legítimo de recrutamento. Acabou vazando SSH, GPG e Envs de projetos, invadiram o GitHub da empresa onde ela trabalhava. Foi bem feio o estrago É golpe pra roubar acesso via repositório malicioso. Fiquem espertos! Os scammers estão cada vez mais sofisticados.

• 
  GitHub Brasil (@GitHubBrasil) relatou um problema há 37 minutos

  No mercado, mostrar o que você constrói pode ser tão importante quanto dizer o que você sabe. 💻 Cada commit, issue ou pull request conta a trajetória e mostra como resolve problemas e colabora com outros devs. Um perfil no GitHub funciona como um portfólio vivo do seu trabalho.