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:

• 
  brubs muito biboita (@blemonpielover) relatou um problema há 4 minutos

  @hoayent pior que nao tem loop no meu? era algum erro do vscode, sendo sincera até agora não entendi o que era KKKKKKKKKKKK mas funcionou oxi isso do github eu nunca vi, que loucura

• 
  Obadowski (@ObadowskiV) relatou um problema há 5 minutos

  @johnguitar_mix @odanielscott Você precisa sair da sua bolha. A reclamação tem sido geral. E dois erros não fazem um acerto. Ambos são graves, mas aqui é pior por que bloquearam todo o acesso ao GitHub e desistiram quando começou a gritaria.

• 
  Predo Campos (@PredoCampoz) relatou um problema há 7 minutos

  - código aberto no Github - off-line - usa um arquivo .json que vc baixa e n tem acesso a sua conta do Google Maps A única coisa q poderia ser considerada um problema é vc pública online os lugares por onde esteve mas se fosse por isso ninguém tinha Instagram crítica burra pqp

• 
  n sou de ninguem (@AmeViver) relatou um problema há 14 minutos

  @laranjadorafa @ayubio eu literalmente perguntei o motivo do cancelamento e a resposta foi por um erro especifico. ao investigar, vi que ocorria pq do github ta off

• 
  Dickson (@disouzam_bh) relatou um problema há 15 minutos

  E eu achando que 1) era meu firewall bloqueando alguma coisa, 2) VS Code com problema ou 3) GitHub com problema. Na real, ontem teve também problema de autenticação reportado pelo GitHub

• 
  thelittleluiz.dev (@TheLittleLuiz) relatou um problema há 20 minutos

  @tgmarinho O maior problema de gerenciar projeto no GitHub não é o board. É a falta de métrica. Burndown, pontos por sprint, visão de agenda dos entregáveis. Conversei com vários *** e a resposta é sempre a mesma: o que o GitHub tem é simples demais. GitHub é ótimo pra código. Péssimo pra gerir entrega.

• 
  ProjetoLabo (@ProjetoLabo) relatou um problema há 20 minutos

  A extensão do Claude para Chrome tem uma falha que a Anthropic não corrigiu de verdade. Qualquer outra extensão, mesmo sem permissão alguma, pode ler seu Gmail, seus arquivos no Drive e seus repositórios no GitHub usando o Claude como cavalo de Troia. O problema não é um descuido, é a arquitetura mesmo. A extensão confia no domínio do claude sem verificar quem está mandando os comandos. Outra extensão maliciosa pode injetar scripts na página do Claude e herdar tudo que ele pode acessar. Menos extensões, menos risco. Revise o que está instalado, desative o que não usa e desconfie de complementos que prometem muito, regra básica. O Claude é só o exemplo da vez, a fragilidade é do modelo. #cybersecurity

• 
  Allyson de Paula (@DePaulaAllyson) relatou um problema há 21 minutos

  🧵Parte 2 - Jailbreak da Vercel - Quando um dev abre um PR no nosso repo, em menos de 1 min tem uma URL pública rodando aquele código exato. Zero intervenção humana. Ninguém aprova, ninguém clica em deploy, ninguém me chama no Slack... Salva esse post pra ler com calma pq é conteúdo que eu entrego em consultoria paga resumido em 4 partes... vou deixar o link da parte 3 na sequencia qdo terminar... Mas o que quase ninguém responde é: como que um commit vai direto na main do repo de infraestrutura sem code review? A resposta é um GitHub App org-owned. O token que ele gera tem escrita no repo de infra (git-ops) e bypass do ruleset de proteção de branch. Sim, commitamos no main sem PR intencioalmente O workflow clona o git-ops, cria o diretório apps/preview/<app>-pr-<n>/ e gera namespace, kustomization, deployment, service, ingress. A imagem recebe a tag exata do PR: pr-42-abc1234. Nada de latest rodando solto Commit no formato deploy: <app> pr-<n> (<sha>). Push direto no main. Tem retry com exponential backoff até 5 vezes. Não é elegante, mas git concorrente é assim... funciona msm sendo feio Quem aplica no cluster é o Flux (Pq eu abandonei o ArgoCD? R: Pra ambientes multi cluster o Flux faz mais sentido pq evita SPOF). Polling com prune: true. Se a PR for fechada / merrgeada o diretório vai sumir e o namespace e tudo dentro somem junto. Sem webhook, sem complexidade extra. E o inverso abre a PR o pod sobe, o ingress cria a rota no NLB, a URL responde: pr-<n>-<app>.<dev/staging>.internal.meudominio.com. DNS wildcard pré-criado, ACM também. O dev não precisa saber que isso existe... mas é uma rota que só existe dentro da VPN, se eu quiser o preview publico cria-se um CNAME com o apontamento pro ingress no LB publico... Um detalhe que faz MUITA diferença: o dev não precisa de acesso ao cluster pra ver o preview dele. A gente usa kubelogin com SSO (OIDC). O dev faz kubectl oidc-login, autentica via Google Workspace, cai num RBAC enxuto. Vê pods, logs, port-forward a depender no nivel de acesso edle pode deletar / rolloutar um pod. Mas não deleta nada tipo pvc / deployment nao pode alterar replicaset. Pq inclui dev que nunca abriu um terminal na vida... é comum vc pegar devs com Windows sofrendo com um copy paste de powershell quebrado por escapes da shell do Linux / Mac... entao vc poderia restringi-los aos logs do Grafana e afasta-los do K8s, mas eu penso que deixá-los com um k9s configurado pra ele diagnosticar um pod é mais produtivo, cabe a vc implementar os "guardrails" pra eles nao quebrarem o ambiente por acidentte O que esse cluster de desenvolvimento NÃO tem: Network Policies. Kyverno. Pod Security Standards. Segregação de rede entre namespaces de preview. Eu sei de cada item dessa lista. Decidi não resolver ainda. Porque dezenas de devs esperando pra testar código é um problema maior do que hardening pendente. Se a empresa estivesse *** compliance SOC2 ou HIPAA, essa conta seria diferente. Hoje não está... e a intencao é agilidade e autonomia pro time desenvolver como era na Vercel Esse cluster roda 3 ambientes lado a lado. Dev, staging e previews convivendo no mesmo hardware em um EKS e mais outros 2 EKS separados um pra tools e outro pra ****. Mesmo rodando em AWS reduzimos o custa da infra entre. 70 e 85% / muita coisa migrada... mas especialmente custo de Vercel foi substancialmente reduzido Tem uma decisão de região e de tipo de máquina que quase ninguém discute, e ela cortou a conta substancialmente... Parte 3 na quinta: vou falar pq Ohio (us-east-2), pq spot, e o hedge financeiro que economizou de uns 4~5k por mês só por um detalhe...

• 
  maris what's wrong with me (@tuitamariac) relatou um problema há 23 minutos

  oi github vamos resolver esse erro 500 na PR tem gente querendo trabalhar

• 
  Deyd¡se 🍿 (@Dey_de_Jesus) relatou um problema há 25 minutos

  tanto lugar pra tá com erro aí me vem github com erro 500 uma hora dessa

• 
  raulpacheco2k (@raulpacheco2k) relatou um problema há 26 minutos

  @VargNo @Shinobu_uwu @AkitaOnRails Exatamente. E eles ainda desconsideram que, quando você trabalha em uma empresa grande, você nem pode resolver problemas de outra área se não trabalhar nela. Por exemplo: quando eu tenho um problema em alguma pipeline do GitHub Actions, eu não posso corrigir, eu não tenho nem acesso ao código da Action. Tenho que chamar os responsáveis pela pipeline para corrigir o problema. Isso também acontece por conta de todo o processo de compliance que envolve o desenvolvimento do software.

• 
  Condz (@condzxyz) relatou um problema há 27 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.

• 
  Issa - Build in HOME (@issanode) relatou um problema há 28 minutos

  A única coisa que não funciona no momento no Github é o Copilot

• 
  𝐌𝐨𝐨𝐧𝐯𝐫𝐜𝐡 | 👑 🌙 (@arthuriarley_) relatou um problema há 30 minutos

  @Jotinhaaa519 @Vinicaos_ @PythonPr meu github parece um semáforo quebrado de tanto verde

• 
  Araujo (@gusttavocav) relatou um problema há 36 minutos

  @pvncher @ajambrosino @thsottiaux Codex Computer Use ainda não funciona em Macs Intel (x86_64) somente em ARM64. Existem vários relatos no GitHub sobre isso, corrijam isso