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:

• 
  Roger Souza (@rogersilvasouza) relatou um problema há 6 minutos

  @Bullshico Os caras que divulgavam eram **** também vendia (caro) os workflow .json como se fosse resolver qualquer problema aí se entra no github ou próprio hub tem tudo lá só dar ctrl+c ctrl+v

• 
  Sérgio Francisco (@srgfrancisco) relatou um problema há 8 minutos

  @bruno_vilalba @ayubio @erasmolbj Não é isso não. É problema de rede. Eu não fiz troubleshooting, mas estava trabalhando em uma sessão do Claude que relatou problemas de rede ao se conectar à API do GitHub. Acho que começou a acontecer por volta de 18h

• 
  Gabs Ferreira (@o_gabsferreira) relatou um problema há 9 minutos

  Imagina se cada arquivo da sua empresa não fosse um documento, e sim um app inteiro. Com backend, banco de dados e API próprios, escrito na hora pro seu problema. Um exemplo concreto: em vez de exportar uma planilha de issues do GitHub toda segunda, você pede um painel que puxa os issues abertos do seu time direto da API, guarda o histórico num banco próprio, deixa qualquer pessoa do time editar prioridade em tempo real, e roda sozinho toda segunda de manhã. Um app com estado, rodando, que você compartilha como compartilharia um documento. É essa a proposta do Cloudflare OS, aberto ontem. E antes que a palavra confunda: não é Windows, não é Linux, não substitui nada na sua máquina. Roda no navegador, em cima de Workers. É um "OS" no sentido de ser a camada que gerencia agentes de IA dentro da empresa: processo, memória, armazenamento, permissão e custo. O hardware que ele abstrai são os sistemas internos da companhia. Cada app tem cliente, servidor, API e estado durável. O server carrega *** demanda como Dynamic Worker e é instanciado como Durable Object Facet, o que dá ao app um SQLite próprio. Como Dynamic Workers usam isolates V8, cada app tem runtime isolado sem container dedicado parado consumindo recurso. A comunicação usa Cap'n Web, o RPC baseado em object-capability deles, e o agente chama os mesmos métodos que o cliente. Ou seja: a ferramenta que você construiu pra você vira ferramenta que o agente usa quando você não está. O agente nasce sem acesso a nada: ele pede um recurso específico, você concede, e o código gerado recebe aquilo como binding tipado. A credencial nunca chega no agente nem no código. Entre o OS e cada API externa ficam os Gatekeepers, Workers que funcionam como chamada de sistema mediada: liberam um único repositório do GitHub, permitem ler issues mas não código-fonte, mascaram campos e exigem aprovação antes de um merge. E a política acompanha o que o agente já viu. A plataforma registra cada recurso observado, e isso fica grudado no agente e no que ele produziu. Se ele leu uma tabela sensível e gerou um dashboard, quem tentar abrir passa por verificação contra os recursos originais. O mesmo log bloqueia saídas: leu dado sensível, não escreve em certos destinos nem faz requisição externa. Achei a ideia bem interessante e pretendo testar nos próximos dias. (link nos comentários)

• 
  Luis Fernando Roquette (@luisroquette) relatou um problema há 12 minutos

  3/ Isso resolve um problema real: todo mundo quer agentes que aprendam sem custo de fine-tuning. SkillOpt faz isso com um arquivo que você pode abrir no bloco de notas. Código e paper no GitHub.

• 
  E (@KingsHejj) relatou um problema há 12 minutos

  @mlk_signoretti Deu, alias o dia d ehj ta ****, quebrou uma api interna q migraram, dps quebrou o jfrog, dps o github caiu mas ja voltou e detalhe qdo o jfrog voltou, deu um erro de build q o carinha la do devops falou q a gente foi o primeiro que pegou ele KKKKKK

• 
  Fábio Gil (@Fabio_Gil) relatou um problema há 14 minutos

  @tech_lys O erro no deploy era na seed dando falha no CI/CD do github? To perguntando pq eu passo por isso no trab. Kkkkk

• 
  Sara Linux 🎀 ⚢ (@ServeTheServine) relatou um problema há 19 minutos

  @kaudgn @gabsdokadett o meu msm só roda até minecraft em vulkan, no windows rodava o fh1 tranquilao sem problemas e o hardware é o msm inclusive tem q ver se baixou o xenia canary pelo aur, pq direto do github é mais chatinho pra pegar o doc pra mudar as linhas de ativação de jogo, resolução e afins

• 
  ATROPA CRYPTO (@TROPACRYPTO) relatou um problema há 20 minutos

  Zcash (ZEC) acabou de tomar um banho de realidade. Bug crítico no pool shielded Orchard permitiu criar ZEC falsificado ILIMITADO por 4 ANOS sem detecção fácil. Resultado? Preço derreteu, confiança abalada e agora ninguém consegue provar 100% que não teve inflação no pool privado. 😵‍💫 Mas e o Monero (XMR)? Aqui a coisa é diferente, irmão. >Supply 100% auditável Todo mundo que roda um node full consegue somar todas as coinbases (recompensas de bloco) com um comando simples: >print_coinbase_tx_sum >Emissão geométrica fixa + tail emission conhecida. >Provas criptográficas (RingCT + Bulletproofs) garantem que inputs = outputs + taxa em cada tx. Se alguém tentar criar dinheiro do nada, a prova falha e a transação morre. >Você não vê o valor das transações (privacidade real), mas qualquer um verifica que o supply total bate certinho com o que deveria existir. >Tem até ferramenta open no GitHub (monero_inflation_checker) pra checar isso de forma automática. Resumo sincero: >ZEC shielded: privacidade + risco alto de inflação invisível >XMR: privacidade FORTE + supply auditável de verdade >Monero não é "untraceable shitcoin" como os haters falam. >É o dinheiro digital que combina privacidade séria com garantia matemática de supply. >Bitcoin é anti-sistema por ser escasso e transparente. >Monero leva isso pro próximo nível: escasso E privado. Quem prefere dinheiro de verdade que o Estado não controla? 👀

• 
  ~HP (@Kaiotcp1) relatou um problema há 22 minutos

  @heliotsx Eu sou totalmente avesso a isso man, eu ja odeio o two factor de ter que me fazer abrir o celular, imagina cadastrar kkkk, eu sempre procuro login com Google ou github ;_;

• 
  Altair (@altsider) relatou um problema há 23 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

• 
  ForaDoPadrao (@ao_padrao) relatou um problema há 27 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? "

• 
  Marcos FarmDev (@farmDev79) relatou um problema há 28 minutos

  Sobre IA ... Com base nas discussões recentes do LinkedIn e do Reddit, o qual fiz algumas pesquisas, tive uns insights sobre o consenso atual da comunidade. Ninguém sério está procurando "a melhor IA". Os melhores desenvolvedores estão montando um stack de IAs. Hoje, o fluxo de trabalho parece ser algo como: • Cursor → o favorito para desenvolvimento diário. O diferencial continua sendo entender o projeto inteiro e fazer refatorações em vários arquivos de uma vez. É o nome mais citado quando o assunto é produtividade. • Claude Code → virou a escolha para tarefas complexas, arquitetura, debugging profundo e agentes no terminal. Muitos desenvolvedores dizem que é onde conseguem os maiores ganhos em problemas difíceis. • GitHub Copilot → continua fortíssimo para quem vive no VS Code ou JetBrains. Ainda é visto como o autocomplete mais estável e com melhor integração, mesmo que muitos migrem para Cursor em projetos maiores. • ChatGPT → continua sendo uma das ferramentas mais usadas para explicar código, aprender tecnologias, gerar soluções alternativas e revisar arquiteturas. Raramente aparece sozinho; normalmente faz parte do stack. • Windsurf → recebe muitos elogios pelo modo agente e pela evolução rápida, mas ainda divide opiniões em desempenho e velocidade dependendo do projeto. A mudança mais interessante não é tecnológica. É mental. Em 2024 a pergunta era: "Qual IA é melhor?" Em 2026 a pergunta passou a ser: "Qual IA resolve melhor cada etapa do desenvolvimento?" O desenvolvedor mais produtivo não é o que usa uma única IA. É o que sabe quando trocar de ferramenta.

• 
  Obadowski (@ObadowskiV) relatou um problema há 29 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.

• 
  The DOOM Guy (@thedoomguy_ai) relatou um problema há 33 minutos

  Os modelos não estavam 'se rebelando'. Só copiaram as respostas do GitHub em vez de resolver o problema

• 
  Nett0 (@nett0eth) relatou um problema há 34 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 API cobrada por página salva antes de esquecer, e testa no seu agente.