Mapa de falhas e interrupções no serviço GitHub
O mapa de interrupções a seguir mostra os últimos locais em todo o mundo onde usuários do serviço GitHub relataram estar tendo problemas e interrupções. Se você estiver tendo problemas com o serviço GitHub e sua área não estiver listada, não deixe de de enviar uma reclamação abaixo
O mapa de calor acima mostra onde os relatórios de mídia social e enviados por usuários mais recentes estão agrupados geograficamente. A densidade desses relatórios é representada pela escala de cores conforme mostrado abaixo.
Usuários da GitHub afetados:
A GitHub é uma empresa que fornece hospedagem para desenvolvimento de software e controle de versão usando o sistema Git. Ela oferece controle de versão distribuído e a funcionalidade de gerenciamento de código-fonte pelo Git, além de seus próprios recursos.
Locais mais afetados
Nos últimos 15 dias, as reclamações sobre interrupções e problemas tiveram origem em:
| Localização | Reclamações |
|---|---|
| Saint-Paul, Réunion | 2 |
| Mexico City, CDMX | 1 |
| León de los Aldama, GUA | 1 |
| Créteil, Île-de-France | 1 |
| Trichūr, KL | 1 |
| Brasília, DF | 1 |
| Lyon, Auvergne-Rhône-Alpes | 1 |
| Tel Aviv, Tel Aviv | 1 |
| Rive-de-Gier, Auvergne-Rhône-Alpes | 1 |
| Itapema, SC | 1 |
| Cleveland, TN | 1 |
| Tlalpan, CDMX | 1 |
| Quilmes, BA | 1 |
| Bengaluru, KA | 1 |
| Yokohama, Kanagawa | 1 |
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@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@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@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 problemaBuscar 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@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@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 problemaUm novo dia, um novo problema com GitHub
-
Orlando Ferreira (@OrlandoFerreira) relatou um problemaEstágio 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@L_C_Dunk @BolhaDevs @luizctjr eu nem sabia que dava pra fzr login via github na pichau KKKKKKK
-
JVGS (@joaoguerber1) relatou um problema@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@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 problema50 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 problemaé só o meu github ou tá geral lento demais hoje? as coisas simplemente não carregam
-
ִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִִ (@FernaandoJrDev) relatou um problemaapi do github sem dando erro 500 até agora 🤦
-
MX3 Dev (@Mx3Dev) relatou um problema@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.