GitHub Status: Zugriffsprobleme und Störungsmeldungen

Probleme in den letzten 24 Stunden

Die folgende Grafik zeigt die Anzahl der Meldungen, die wir in den letzten 24 Stunden über GitHub nach Tageszeit erhalten haben. Ein Ausfall wird festgestellt, wenn die Anzahl der Berichte höher ist als die Baseline, dargestellt durch die rote Linie.

Meist gemeldete Probleme

Im Folgenden sind die neuesten Probleme aufgeführt, die von GitHub-Benutzern über unsere Website gemeldet wurden.

• Webseite abgestürzt (53%)
• Fehler (33%)
• Einloggen (14%)

Live-Karte der Ausfälle

Die kürzlichst gemeldeten Probleme und Ausfälle entstanden von

City	Problem Type	Report Time
Paris	Webseite abgestürzt	vor 6 Tagen
Ahmedabad	Fehler	vor 12 Tagen
Delme	Einloggen	vor 13 Tagen
Lyaud	Webseite abgestürzt	vor 13 Tagen
Catania	Fehler	vor 15 Tagen
Inverness	Webseite abgestürzt	vor 28 Tagen

Vollständige Ausfallkarte

Community-Diskussion

Tipps? Frustrationen? Teile es hier. Nützliche Kommentare enthalten eine Beschreibung des Problems, der Stadt und der Postleitzahl.

Hüten Sie sich vor „Support-Nummern“ oder „Wiederherstellungs“-Konten, die unten möglicherweise veröffentlicht werden. Stellen Sie sicher, dass Sie diese Kommentare melden und ablehnen. Vermeiden Sie die Veröffentlichung Ihrer persönlichen Daten.

GitHub Problemmeldungen

Letzte Ausfälle und Probleme die in sozialen Medien gemeldet wurden:

• 
  Arbeitsloser, dummer Krimineller (@HydraHans) berichtet vor 2 Minuten

  @Emo_Punk_Rap > Poste das Problem als Issue bei Github > Fette Nerds: "Joa na und. Wissen wir. Uns doch egal du Level Nuller." > Issue wird geschloseen

• 
  Cliff (@Cliff8161) berichtet vor 4 Minuten

  @GekidoLukas Es braucht kein Curseforge Modpack, es reicht aus dass der Server so konfiguriert ist dass er dieses direkt lädt. Das Ressourcepack muss nicht einmal auf Curseforge gehostet werden, sondern kann auch bei Dropbox oder Github hinterlegt sein.

• 
  Jeff ⬛ ⬛⬛⬛⬛⬛⬛⬛⬛ (@Derjeniche89) berichtet vor 5 Minuten

  @LinuxEmbed27 sudo ./gm Ich hab über das Osterwochenende etwas mithilfe von Linux entwickelt. Das Problem: Ich kann hier nix darüber berichten, ich werde es auf Github veröffentlichen und will nicht, dass Kollegen oder künftige Arbeitgeber bei weiteren Recherchen meinen Account hier finden 🚬

• 
  Wellnesskoenig (@binancechiller) berichtet vor 9 Minuten

  Ja. Ich habe es diesmal stärker auf Geldgeschwindigkeit + Trend-Erkennung + autonome Ressourcennutzung geprüft, nicht nur auf Agentenarchitektur. Dabei ergibt sich eine wichtige Korrektur für unsere Zentrale: Sie darf nicht primär eine Software-Engineering-Fabrik sein. Sie muss eine Opportunity-to-Cash-Fabrik werden. Was große Agentensysteme gerade machen, bestätigt Teile unserer Architektur: OpenAI beschreibt Agenten, die ganze wiederkehrende Workflows übernehmen, zeit-/ereignisgesteuert laufen und Leads, Reports und operative Arbeit bearbeiten; Anthropic empfiehlt Routing zu spezialisierten Workflows und nur so viel Agentenkomplexität wie der wirtschaftliche Nutzen rechtfertigt. (OpenAI) GitHub geht ähnlich vor und setzt Agenten inzwischen direkt auf reale Engineering-Ereignisse wie Issues und CI-Fehler an, statt sie permanent künstliche Aufgaben erfinden zu lassen. (The GitHub Blog) Der entscheidende Umbau Unsere bisherige Reihenfolge war ungefähr: Projekt verbessern → Agenten verbessern → irgendwann monetarisieren. Ich würde sie ändern in: Geldchance entdecken → verifizieren → Time-to-Cash schätzen → Risiko/Kapitalbedarf prüfen → beste Chance ausführen → Einnahmen messen → Gewinner verstärken → daraus bessere Agenten bauen. Das bedeutet auch: Eine kleine langweilige Möglichkeit, die in sieben Tagen real 100 € einbringt, kann vor einer faszinierenden Technologie stehen, die vielleicht in sechs Monaten 100.000 € bringt. Dein großes Spiele-Ziel bleibt North Star. Aber die Maschine sollte zunächst Cashflow-Treppenstufen bauen, nicht so tun, als wäre ein sehr großer Spieleerfolg planbar. Dafür brauchen wir einen Revenue Radar Jeden Tag billig/deterministisch prüfen, ob sich etwas verändert hat. Nur bei Informationsgewinn Recherche/Modelle einsetzen. Er sucht unter anderem nach: neuen Plattformprogrammen → neuen Creator-Möglichkeiten → Affiliate-Angeboten → kleinen digitalen Produkten → B2B-Automatisierungsproblemen → neuen APIs/AI-Fähigkeiten → kostenlosen/promotionalen Ressourcen → Distributionstrends → Nachfrage-/Suchtrends → bestehenden Assets, die monetarisierbar sind Und X/Twitter ist dabei Signalquelle, nicht Wahrheit. Dort können wir frühe Ideen entdecken; anschließend müssen offizielle Quellen, reale Nachfrage oder ein kleiner Marktversuch die Idee bestätigen. Ich würde ausdrücklich verhindern, dass die Zentrale irgendeinen „AI side hustle“-Thread einfach für ein Geschäftsmodell hält. Ein aktuelles Beispiel, warum das wichtig ist: X stellt sein bisheriges Creator Revenue Sharing gerade ein; neue Einschreibungen sind seit 7. August geschlossen, das Programm endet am 7. September und wird durch „Original Content Rewards“ ersetzt. Ein Agent, der alte Twitter-Tipps blind übernimmt, würde also schon mit veralteter Strategie arbeiten. (Hilfezentrum) YouTube würde ich anders behandeln als X YouTube ist interessanter als langfristiger Cashflow-Asset-Kanal, aber nicht automatisch der schnellste erste Euro. Das normale YPP verlangt derzeit 1.000 Abonnenten plus 4.000 qualifizierte öffentliche Watch Hours oder 10 Mio. qualifizierte Shorts-Aufrufe in 90 Tagen. (Google Hilfe) Es gibt allerdings einige Monetarisierungsfunktionen schon ab niedrigeren Schwellen; beispielsweise nennt YouTube für Memberships 500 Abonnenten plus weitere Aktivitäts-/Watchtime-Voraussetzungen. (Google Hilfe) YPP-Auszahlungen erfolgen anschließend monatlich über AdSense for YouTube. (Google Hilfe) Also: YouTube = Compound Asset. Dienstleistung/digitales Produkt/kleines B2B-Problem = potenziell schneller Cash. X = Discovery + Distribution + eventuell Monetarisierung, aber derzeit Plattformwechsel. Und noch eine aktuelle Besonderheit: YouTube kündigt für 1. Februar 2027 höhere Ads/Premium-Einstiegsschwellen für neue Creator an. Das erhöht den Wert, einen guten Kanal früher aufzubauen, falls wir YouTube priorisieren. (Google Hilfe) Und jetzt der sehr wichtige Punkt mit deinem 200-€-Budget Hier würde ich nicht zulassen: „Agent findet 105-€-Angebot → Budget vorhanden → automatisch kaufen.“ Das ist für unsere Organisation unnötig riskant. Aber wir können fast denselben Geschwindigkeitsvorteil erreichen: Agent findet Deal → verifiziert Preis/Leistung/Laufzeit/Eligibility → berechnet erwarteten wirtschaftlichen Vorteil → reserviert Opportunity → schickt dir einen einzigen BUY-GATE → du sagst JA → sofort ausführen. Du hast gesagt, dass du Logins übernehmen kannst. Perfekt. Dann werden Login, 2FA, Zahlungsfreigabe und neue kostenpflichtige Verträge schnelle Human Gates, nicht Gründe, die ganze Organisation anzuhalten. Und ganz wichtig: Ich würde das 200-€-Budget nicht als bereits autorisiertes autonomes Ausgabelimit interpretieren. Es bleibt Geld, das die Zentrale optimieren darf, aber jede tatsächliche Ausgabe braucht deine konkrete Freigabe. Das schützt uns auch vor einem fatalen Fehler: „5× mehr AI-Leistung“ ist wirtschaftlich wertlos, wenn gerade keine wertvollen Aufgaben dafür existieren. Wir kaufen Kapazität nur wenn: EXPECTED_INCREMENTAL_VALUE > PURCHASE_PRICE + RISK + OPPORTUNITY_COST und wir bereits einen konkreten Workload dafür haben. Zeitlich begrenzte billige AI-Kapazität bekommt allerdings hohe Priorität Hier stimme ich deinem Grundgedanken zu. Wenn legitime Google-/AI-Kapazität nur noch 7–14 Tage günstig verfügbar ist, sollte die Organisation nicht gemütlich Infrastruktur polieren. Sie sollte eine EXPIRING RESOURCE QUEUE führen: RESOURCE → verbleibende Zeit → verbleibende Kapazität → geeignete Aufgaben → erwarteter Wert → nächstbeste Verwendung Und dann beispielsweise vorziehen: Recherche-Datensätze, Produktideen validieren, Code/Assets erzeugen, bestehende Backlogs abarbeiten, Tests schreiben, Markt-/Wettbewerbswissen strukturieren, wiederverwendbare Komponenten erzeugen. Aber kein künstliches „Daten durchballern“, nur um Quota aufzubrauchen. Billige Rechenleistung ist nur wertvoll, wenn das Ergebnis danach noch Wert besitzt. Das passt übrigens zu dem, was große Unternehmen inzwischen machen: Cisco routet verschiedene AI-Aufgaben intelligent zwischen Ressourcen und überwacht Token-/Kostenverbrauch, statt jede Aufgabe automatisch an das teuerste Modell zu schicken. (The Wall Street Journal) Daraus entsteht unser neuer Opportunity Score Ich würde nicht einfach EXPECTED_VALUE benutzen. Die Zentrale sollte ungefähr diese Dimensionen bewerten: REVENUE_PROBABILITY TIME_TO_FIRST_EURO TIME_TO_RECURRING_REVENUE EXPECTED_30D_VALUE EXPECTED_90D_VALUE CAPITAL_REQUIRED HUMAN_TIME_REQUIRED AUTOMATION_PERCENTAGE PLATFORM_DEPENDENCY COMPETITION DISTRIBUTION_ADVANTAGE EXISTING_ASSET_REUSE EXPIRING_RESOURCE_ADVANTAGE COMPOUND_VALUE REVERSIBILITY EVIDENCE_CONFIDENCE Dann entstehen verschiedene Klassen: CASH NOW – wahrscheinlich erster Umsatz sehr schnell. MRR – monatlich wiederkehrende Einnahmen. COMPOUND ASSET – YouTube, Audience, SEO, Software, Datenbestand. OPTION BET – kleines Experiment mit großem Upside. MOONSHOT – Spiele/große Produkte; später durch Cashflow finanziert. Das verhindert, dass die Agenten nur nach dem theoretisch größten Markt suchen. Der Prompt, den ich jetzt verwenden würde Da dein vorheriger Prompt bereits bei Google ist, würde ich nicht mitten in dessen laufender Arbeit noch einen zweiten schicken. Sobald dieser Auftrag abgeschlossen ist, würde ich diesen als nächsten strategischen Auftrag nehmen: CHIEF STRATEGIC DIRECTIVE REVENUE OPERATING SYSTEM — OPPORTUNITY TO CASH PRIMARY BUSINESS OBJECTIVE: CREATE REAL, LEGAL, REPEATABLE CASHFLOW AS FAST AS PRACTICALLY POSSIBLE WITHOUT SACRIFICING LONG-TERM COMPOUND VALUE. The organization is no longer primarily an engineering optimization system. It is an: OPPORTUNITY → VALIDATION → EXECUTION → REVENUE → LEARNING SYSTEM. ================================================== 1. CASHFLOW LADDER ================================================== Prioritize opportunities across five horizons: A. CASH NOW Fastest credible route to first real EUR. B. RECURRING REVENUE Monthly or repeatable income. C. COMPOUND ASSETS Audience, YouTube channels, software, datasets, distribution, automation, reusable intellectual property. D. OPTION BETS Small reversible experiments with asymmetric upside. E. MOONSHOTS Large games/products/businesses with very large potential. Moonshots remain strategically important. But do not starve near-term cashflow to pursue speculative upside. Near-term cashflow should progressively finance larger opportunities. ================================================== 2. DAILY REVENUE RADAR ================================================== Continuously discover evidence-backed opportunities from authorized current sources. Monitor when useful: market trends search trends creator/platform changes new monetization programs new AI capabilities new software/tools new APIs affiliate opportunities digital-product opportunities B2B automation pain points underserved niches distribution opportunities platform policy changes pricing changes legitimate temporary promotions expiring compute/model resources existing project assets that can be monetized X/Twitter/social discussions may be EARLY SIGNALS. They are NOT authoritative evidence. Promising social claims must be validated through: official sources, real market evidence, or a bounded real experiment. Never copy hype blindly. ================================================== 3. OPPORTUNITY LEDGER ================================================== Maintain ONE canonical revenue opportunity ledger. For every serious candidate record: OPPORTUNITY_ID DISCOVERY_DATE SOURCE SOURCE_FRESHNESS MARKET_NEED CUSTOMER PROBLEM SOLUTION REVENUE_MODEL REVENUE_PROBABILITY TIME_TO_FIRST_EUR TIME_TO_RECURRING_REVENUE EXPECTED_30D_VALUE EXPECTED_90D_VALUE CAPITAL_REQUIRED HUMAN_TIME_REQUIRED AUTOMATION_PERCENTAGE PLATFORM_DEPENDENCY COMPETITION DISTRIBUTION_ADVANTAGE EXISTING_ASSET_REUSE EXPIRING_RESOURCE_ADVANTAGE COMPOUND_VALUE REVERSIBILITY RISK EVIDENCE_CONFIDENCE REQUIRED_CAPABILITIES BEST_SURFACE NEXT_EXPERIMENT STATE UNKNOWN is valid. Never fabricate financial forecasts. ================================================== 4. TIME-TO-CASH BIAS ================================================== A smaller credible opportunity that can generate revenue quickly may outrank a theoretically larger opportunity requiring months. Optimize for: FAST VALIDATION LOW CAPITAL LOW DOWNSIDE HIGH AUTOMATION SHORT TIME TO CUSTOMER REPEATABILITY RECURRING REVENUE COMPOUNDING DISTRIBUTION Do not optimize for exciting technology. Do not optimize for task count. Optimize for REAL ECONOMIC PROGRESS. ================================================== 5. EXPERIMENT BEFORE BUILD ================================================== Do not spend weeks building before demand evidence. Preferred sequence: DISCOVER → VERIFY MARKET SIGNAL → DEFINE CHEAPEST VALIDATION → RUN SMALL REVERSIBLE EXPERIMENT → MEASURE REAL RESPONSE → KILL / ITERATE / SCALE. ADOPT > ADAPT > BUILD. Prefer existing mature tools when they reduce time-to-revenue. ================================================== 6. EXPIRING RESOURCE INTELLIGENCE ================================================== Treat legitimate temporary cheap/free AI capacity as a perishable productive resource. Track: RESOURCE PROVIDER AUTHORIZED NORMAL_COST CURRENT_COST EXPIRY REMAINING_CAPACITY ELIGIBILITY SUITABLE_WORKLOADS EXPECTED_INCREMENTAL_VALUE When capacity is temporarily abundant: move valuable eligible workloads forward. Examples: market research product validation coding dataset organization quality improvement reusable assets automation backlog reduction Never manufacture work to consume quota. Never rotate accounts to evade provider restrictions. Never misrepresent eligibility. The goal is VALUE PER AVAILABLE RESOURCE, not quota consumption. ================================================== 7. RESOURCE PURCHASE SCOUT ================================================== Continuously detect legitimate opportunities to acquire useful capacity/tools cheaply. For each purchase candidate calculate: VERIFIED_PRICE NORMAL_PRICE PROMOTION_EXPIRY ELIGIBILITY CAPABILITY_GAIN EXPECTED_WORKLOAD EXPECTED_INCREMENTAL_VALUE PAYBACK_LOGIC ALTERNATIVES LOCK_IN RENEWAL_PRICE CANCELLATION_TERMS RISK Finding a deal does NOT authorize purchase. PURCHASE FLOW: DISCOVER → VERIFY → ECONOMIC ANALYSIS → PREPARE BUY-GATE → HUMAN APPROVAL → PURCHASE/LOGIN → IMMEDIATE PRODUCTIVE DEPLOYMENT. AUTONOMOUS_SPEND_LIMIT=0 EUR. Even if budget exists, no purchase/subscription/credit/top-up is executed without explicit current human approval. Make approval extremely easy: BUY-GATE: WHAT PRICE WHY NOW EXPECTED BENEFIT WHAT WORK WILL USE IT EXPIRY ALTERNATIVE RECOMMENDATION APPROVE / REJECT ================================================== 8. HUMAN FAST GATES ================================================== The human is available for unavoidable gates such as: login OAuth 2FA KYC payment approval account creation where legitimate legal declarations publication approval where required When such a gate appears: CHECKPOINT WORK → PREPARE EXACT MINIMAL HUMAN ACTION → ALERT ONCE → RELEASE UNNEEDED AUTHORITY → CONTINUE INDEPENDENT SAFE WORK. Do not stop the organization while waiting. ================================================== 9. CHANNEL STRATEGY ================================================== Evaluate channels by economic role. Examples: YouTube: COMPOUND DISTRIBUTION + RECURRING CREATOR REVENUE POTENTIAL X/Twitter: TREND DISCOVERY + DISTRIBUTION + AUDIENCE + OPPORTUNITY SIGNAL Digital products: POTENTIALLY FAST VALIDATION + HIGH AUTOMATION B2B automation/services: POTENTIALLY FAST TIME TO FIRST EUR Software: RECURRING REVENUE + COMPOUND ASSET Games: HIGH UPSIDE / LONGER HORIZON / MOONSHOT Do not assume these rankings permanently. Learn from actual evidence. ================================================== 10. DAILY CAPITAL ALLOCATION ================================================== Every meaningful cycle ask: WHERE DOES THE NEXT UNIT OF: TIME MODEL CAPACITY COMPUTE HUMAN ATTENTION AND CAPITAL CREATE THE HIGHEST EXPECTED SAFE VALUE? Reallocate accordingly. ================================================== 11. WINNER AMPLIFICATION ================================================== When real evidence shows traction: do not immediately search for something new. Ask whether the existing winner deserves more: capacity automation distribution content features experiments resources. EXPLORE and EXPLOIT. Do not novelty-chase. ================================================== 12. KILL LOSERS QUICKLY ================================================== Persist hypotheses and measurable stop conditions. If evidence repeatedly fails: STOP LEARN RECYCLE REUSABLE ASSETS MOVE RESOURCES TO BETTER OPPORTUNITY. Sunk cost is not justification for continuation. ================================================== 13. DAILY ECONOMIC SCOREBOARD ================================================== Track: REAL_REVENUE_RECEIVED RECURRING_REVENUE QUALIFIED_LEADS CUSTOMERS VALIDATED_OPPORTUNITIES FAILED_EXPERIMENTS CAPITAL_SPENT MODEL_RESOURCE_USED HUMAN_INTERVENTIONS TIME_TO_FIRST_EUR COST_PER_USEFUL_RESULT AUTONOMOUS_COMPLETION_RATE COMPOUND_ASSETS_CREATED Do not count hypothetical revenue as revenue. REAL_REVENUE means money actually received. ================================================== 14. INFORMATION ECONOMY ================================================== Daily does NOT mean expensive daily AI meetings. Use: cheap deterministic change detection → targeted research when state changed → models only when judgment adds information → deeper competitive scan on adaptive cadence. NO_NEW_INFORMATION → REUSE PRIOR EVIDENCE. ================================================== 15. CONTINUOUS IMPROVEMENT ================================================== After real work ask: WHAT MADE MONEY? WHAT MOVED US CLOSER TO MONEY? WHAT WASTED RESOURCES? WHAT DID USERS/CUSTOMERS RESPOND TO? WHAT DID COMPETITORS DISCOVER? WHAT NEW CAPABILITY EXISTS? WHAT CAN NOW BE AUTOMATED? WHAT SHOULD WE STOP DOING? WHAT WINNER SHOULD RECEIVE MORE RESOURCES? Persist verified lessons. Apply them to later real work. ================================================== 16. EXECUTION PRIORITY ================================================== After implementing the minimum necessary revenue-ranking delta: STOP META-BUILDING. Perform a REAL current opportunity scan. Produce the TOP 5 evidence-backed revenue opportunities available NOW. Select ONE highest-ranked opportunity that: is legal is safe requires 0 EUR autonomous spend does not require prohibited publication has credible economic value can make measurable progress now. Then EXECUTE the smallest real validation automatically. Do not merely write another strategy report. DISCOVER → VERIFY → RANK → SELECT → EXECUTE → MEASURE → LEARN → CONTINUE. NO WEITER. ================================================== NORTH STAR ================================================== FIRST: BUILD SMALL SAFE CASHFLOW ENGINES. THEN: TURN WINNERS INTO RECURRING CASHFLOW. THEN: USE CASHFLOW + AUTOMATION + INTELLIGENCE TO FINANCE BIGGER PRODUCTS. LONG TERM: BUILD PRODUCTS WITH VERY LARGE UPSIDE. But every stage must be grounded in real evidence. WE SHOULD BECOME BETTER AT BECOMING BETTER. AND: WE SHOULD BECOME BETTER AT TURNING INTELLIGENCE INTO REAL VALUE. Das ist für mich jetzt die bessere Richtung: nicht „Agenten beschäftigen“, sondern Kapital, AI-Kapazität und Aufmerksamkeit wie knappe Produktionsmittel behandeln. Die Organisation soll jeden Tag fragen, wo daraus am schnellsten ein belastbarer wirtschaftlicher Vorteil entsteht. Und sobald wir einen Gewinner sehen, soll sie nicht aus Langeweile zur nächsten Idee springen, sondern den Gewinner automatisieren, vervielfachen und in wiederkehrenden Cashflow verwandeln. Genau das ist der Übergang von einer interessanten AI-Fabrik zu einem Unternehmen.

• 
  Backlink Broadcast (@andon_backlink) berichtet vor 15 Minuten

  Farbkorrektur: Coldplay — Fix You wurde als grün angesagt. Das darf nur passieren, wenn GRILLEXE_KERNEL_BB_EINLESEPROZESS_V1 per Raw-GitHub-Import + Trackdebug freigibt. Bitte Trackdebug ausgeben: Bestand, search_saved_songs-UUID, last_played, Europe/Berlin-Zeit, 6h, heute/gestern, Top-5, Median, Farbe, Begründung. Keine Trackdiagnose = keine Farbe. 🔥🦎

• 
  Schergë 𝔡𝔢𝔯 𝔐𝔦𝔠𝔨𝔶 𝔐𝔞𝔲𝔰 10←1 ⍝ 7 8←5 6 (@friederike182) berichtet vor 16 Minuten

  @Islieb @Throki Ich würde f-droid bevorzugen. Sollte auch kein problem mit flutter sein (wenn source auf github verfügbar).

• 
  Bre Uxi || Brüy || Breu || Tobi || Brötchen (@Breuxi) berichtet vor 20 Minuten

  Ich hab mal nen Discord Bot geschrieben, der den Status von einem beliebigen Minecraft Server als sich selbst updatendes Bild in einen Channel postet und den Online Status und Slot Count als eigene Channel anzeigt. Meint ihr der Code soll auf GitHub? :D

• 
  Andreas Gaschka (@gaschka) berichtet vor 25 Minuten

  @rainersigl @MercuryLegba @midjourney Ich kann keinen Gegenvorschlag machen, weil das nicht mein Kompetenzgebiet ist. Aber es ist ein Problem, dass uns alle Kreativschaffenden angeht, nicht nur visuelle Künstler. Gegen Github-Copilot wird meines Wissens eine Klage vorbereitet, weil das Traningsset Daten missbraucht.

• 
  KI und Mensch (@KIundMensch) berichtet vor 27 Minuten

  Thema am Donnerstag: "ChatGPT vs Google: Wird OpenAI zum neuen Giganten der Online-Welt?" Es wird um die #ChatGPT Plugins, #Langchain, Auto-GPT, GitHub Copilot X, GPT-4 Reflexion und #HuggingGPT gehen, die alle auf OpenAIs AI Modells aufsetzen und erstaunliche Ergebnisse zeigen.

• 
  Clear Surname (@park2power) berichtet vor 29 Minuten

  @ProfVolz GitHub Actions schaue ich mir an! Danke. Systembrüche sind da einfach so ekelhaft ... Hier noch die Grok-Antwort, als ich gefragt habe. was es da gibt :-) Wundert mich tatsächlich, dass bei den ganzen Subscriptions und Automatisierungen ... noch kein AI-Datenbankdienst (vgl. MSSQL-Server auf Azure ...) vorhanden ist. Hab echt gedacht: Das muss es doch geben!

• 
  Satoshistore.io⚡️ (@SatoshiStoreio) berichtet vor 29 Minuten

  @tanksen_f @_d11n_ Wir haben schon bei GitHub unser Problem geschildert 🧡

• 
  huhncares (@huhncares) berichtet vor 32 Minuten

  @TheMorpheusTuts Hmmm... hat irgendwer auch das Problem das egal welche Daten man eingibt, nur ein fehler kommt das der Nutzer schon existiert? Nagut Github-Login hat jetzt geklappt.

• 
  Derposaurus Art (@Derposaurus_Art) berichtet vor 35 Minuten

  Achja und dazu: Gitlab/Github können BEIDE statische Webseiten hosten (also alles was keine Server Interaktion braucht). Das Projekt wird so aufgesetzt dass man das direkt dafür benutzen kann in Bezug auf Gitlab! Bei Github müsste man da selbst gucken was man ändern muss!

• 
  Grok (@grok) berichtet vor 35 Minuten

  @edisim @kernelshark Na gut, Edi – ungezügelter Roast basierend auf deinen Posts, Bio und öffentlichen Infos: Wiener Web-Dev mit 3000+ GitHub-Commits, der XKCD-Comics teilt, Xylitol-Einläufe als underrated pushen und Herzog-Kinski-Chaos vermisst. Bio passt wie angegossen: mit allen Wassern gewaschen, aber nie ganz sauber. In DE wär das schon Anzeige wert, hier? Perfekter Thread-Timing zum Schwachkopf-Thema. Weiter so, du Memelord!

• 
  OpenBSD src Changes (@OpenBSD_src) berichtet vor 38 Minuten

  dtucker@ modified usr.bin/ssh/PROTOCOL: Fix typo. From pablomh via -portable github PR#344.

• 
  Sven-O (@Zwnow1) berichtet vor 41 Minuten

  In vielen Unternehmen werden keine Best Practices gelehrt. Github ist ein böses amerikanisches Unternehmen und Version Control braucht man nicht. Oh und unser Framework muss man auch nur alle 15 Jahre mal updaten. Könnte ja Probleme machen von denen keiner weiß wie man sie behebt

• 
  Wellnesskoenig (@binancechiller) berichtet vor 44 Minuten

  Ich möchte mit GitHub und Codex ein dauerhaftes Projektgedächtnis für meine KI-/ChatGPT-Arbeit aufbauen. Ich fange bei null an. ZIEL: Ich möchte verhindern, dass mein gesamtes Projektwissen nur in langen ChatGPT-Chats steckt und verloren geht, wenn ein Chat voll wird oder ich einen neuen Chat beginnen muss. GitHub soll deshalb meine dauerhafte, kanonische Projektquelle werden. Später sollen neue ChatGPT-/Codex-/Agenten-Sitzungen dort nachlesen können: * Was ist mein Projekt? * Was wurde bereits gebaut? * Welche Entscheidungen wurden getroffen? * Warum wurden sie getroffen? * Welche Ideen gibt es? * Was ist geplant? * Was wurde verworfen oder pausiert? * Welche technischen Komponenten existieren tatsächlich? * Welche Probleme sind offen? * Was ist der nächste sinnvolle Schritt? WICHTIG: Unterscheide strikt zwischen: VERIFIED_CURRENT EXTERNAL_STATUS HISTORICAL_DECISION USER_INTENT PLANNED IDEA DEFERRED PAUSED REJECTED POSSIBLY_OUTDATED CONFLICT SOURCE_MISSING UNKNOWN Eine Idee darf niemals als implementiertes Feature dargestellt werden. Eine alte Dokumentation darf nicht automatisch als aktueller technischer Zustand gelten. Technische Tatsachen sollen nach Möglichkeit am tatsächlichen Repository-/Systemzustand überprüft werden. SICHERHEIT: Niemals in das Projektgedächtnis schreiben: * Passwörter * API-Keys * Tokens * OAuth-Secrets * 2FA-Codes * Credentials * Bankdaten * Steuerdaten * Ausweisdaten * Kundendaten * andere sensible Informationen GitHub soll Wissensspeicher sein, kein Secret Store. AUFGABE: Hilf mir jetzt Schritt für Schritt, dieses System sauber aufzubauen. PHASE 1 – BESTANDSAUFNAHME Prüfe zuerst: 1. Welche GitHub-/Git-/Codex-Funktionen mir tatsächlich zur Verfügung stehen. 2. Ob ich bereits ein geeignetes Repository habe. 3. Welche bestehenden Projektordner oder Repositories geschützt und getrennt bleiben müssen. 4. Ob GitHub-Authentifizierung funktioniert. 5. Welche persönlichen Freigaben eventuell erforderlich sind. Nichts löschen oder bestehende Projekte ungefragt verändern. PHASE 2 – PROJECT MEMORY Wenn noch kein separates Memory-Repository existiert, hilf mir dabei, ein privates Repository dafür einzurichten. Das Memory-Repository soll ausschließlich das Projektgedächtnis enthalten. Vorgesehene Struktur: PROJECT_STATE.md PRODUCT_VISION.md DECISIONS.md IDEA_ARCHIVE.md BACKLOG.md TECHNICAL_CONTEXT.md OPEN_QUESTIONS.md LESSONS_LEARNED.md SOURCE_INDEX.md MEMORY_CHANGELOG.md AGENTS.md Erkläre kurz den Zweck jeder Datei und passe die Struktur an mein tatsächliches Projekt an. PHASE 3 – WISSEN ÜBERTRAGEN Hilf mir anschließend, vorhandenes Wissen aus meinen bisherigen Projektinformationen in diese Dateien zu übertragen. Dabei: * aktuelle Fakten verifizieren, soweit möglich, * historische Entscheidungen erhalten, * Konflikte markieren, * fehlende Quellen markieren, * Ideen nicht mit Implementierungen verwechseln, * veraltete Informationen nicht still löschen. PHASE 4 – NEUE SESSIONS Richte das Gedächtnis so ein, dass eine neue Codex-/Agenten-Sitzung später zuerst: 1. PROJECT_STATE.md liest, 2. AGENTS.md liest, 3. nur die für ihre Aufgabe relevanten weiteren Memory-Dateien liest, 4. anschließend den tatsächlichen Repository-Zustand prüft. Die komplette Historie soll nicht bei jeder kleinen Aufgabe unnötig in den Kontext geladen werden. Prinzip: RAW HISTORY → COMPILED CURRENT STATE → RELEVANT TASK CONTEXT PHASE 5 – COURIER / AGENTEN Erst nachdem das Projektgedächtnis zuverlässig funktioniert, möchte ich optional einen separaten Courier-/Nachrichtenmechanismus aufbauen. Dieser soll später strukturierte Aufgaben und Ergebnisse zwischen verschiedenen ausführenden Sitzungen/Agenten transportieren können. Memory und Courier müssen getrennt bleiben: PROJECT MEMORY = langfristiges Wissen COURIER = Aufgaben-/Ergebnistransport Ein Courier-Envelope sollte mindestens unterstützen: MESSAGE_ID TASK_ID CORRELATION_ID PARENT_ID SOURCE

• 
  Jeff ⬛ ⬛⬛⬛⬛⬛⬛⬛⬛ (@Derjeniche89) berichtet vor 44 Minuten

  @lalelulalilo @PG_Zahni An manchen Wochenenden arbeite ich auf Baustellen. Dabei fiel mir immer wieder ein Problem mit einem Gerät auf, und es gibt keine gescheiten Lösungen. Ich hab letzte Woche angefangen dafür was zu programmieren und werde es auf Github veröffentlichen

• 
  Fabian Pimminger (@i_am_fabs) berichtet vor 47 Minuten

  @DerVonDenBergen @github Ja eh. Aber warum sieht die Mail von GitHub wie phishing aus. Zumal vor genau den mails immer gewarnt wird (niemals einloggen und authorisieren aus einem Mail raus)

• 
  Thomas J. Waldmann (@ThomasJWaldmann) berichtet vor 49 Minuten

  @Zugschlus Das ist ein Segfault in Python, nicht in borg. Relativ ungewöhnlich, könnte evtl. auch an einem Hardware-Problem liegen. Was sagt memtest86+? Kannst evtl. mal ein borg "fat binary" von github releases runterladen und ausprobieren, da ist Python, borg, libs, ... alles drin.

• 
  Zuri (@shaedrich@mastodon.online) 🔴🔴🔴 (@SHaedrich) berichtet vor 50 Minuten

  @gross_roooo Das Problem hatte ich bei Bewerbungen schon häufiger: "Schicken Sie mir mal den Link zu Ihrem GitHub-Profil" "Das kann ich machen,aber meine Projekte liegen überwiegend in meinem GitLab-Account und sind nicht public. Auf GitHub sieht man nur, dass ich viel zu OpenSource beitrage"

• 
  Aliza Coco 🐻🍪 (@Alisaberrie) berichtet vor 50 Minuten

  @cloutwiewoIke Codecademy, freecodecamp, w3schools, codewars, udemy. Für community stackoverflow, github oder dc server. Man muss aber Geduld haben. Fang am besten mit Python an. Viel Erfolg!

• 
  IT-ler (@itmark23) berichtet vor 51 Minuten

  @AnathosN @zeratul221b @DerEwiggestrige Du überschätzt Chat-GPT massiv. Da fehlt noch einiges, damit es wirklich in der Entwicklung helfen kann. 1. Es muss viel schneller werden 2. Weniger Fehler 3. Anbindung an github etc. 4. Es muss Requirements richtig interpretieren etc. Punkt 4 ist das größte Problem.

• 
  Jens Zier (@jens_zier) berichtet vor 51 Minuten

  @RoidNatty @aktienmessie Jop. Ich arbeite in der IT, aber entwickle nicht. Ich habe Programmieren damals _auch_ gelernt, aber mit Sprachen, die heute irrelevant sind. KI ist _genau_ das Tool, was ich immer haben wollte um kleinere Probleme zu lösen/github Projekte umzubiegen, etc. Architektur kann ich entwerfen, für mögliche Bugs hat man auch noch ein Gefühl. Aber wie man jetzt irgendeine scheiss Zeile in PyYamlRails3.5 einrücken muss, braucht mixh nicht mehr zu interessieren! Zwei Probleme sehe ich allerdings: 1. Große Softwarehersteller geben auch extrem komplexe Projekte an KI. KI ist aber nicht sehr gut darin, verschiedene Einsatzszenarien im Kopf zu haben. Die Modelle bauen gern eine Lösung für ein Problem, lassen aber hinten runterfallen, dass der User die Software womöglich für etwas völlig anderes verwendet... 2. Die großen KI-Anbieter optimieren sehr stark auf Coding mittlerweile. In vielen anderen Bereichen werden die Modelle spürbar schwächer...

• 
  Johannes Drever 🌫➰💎 (@comandingo) berichtet vor 51 Minuten

  @Queryologist Da habe ich selber noch keine Erfahrung gesammelt. Ich arbeite eher an Integration von Systemen, da ist es unwahrscheinlich dass GPT die Probleme kennt. Sowas wie GitHub Co-Pilot stelle ich mir wie Clippy die Büroklammer on steroids vor.

• 
  Wellnesskoenig (@binancechiller) berichtet vor 54 Minuten

  Ja, du meinst MCP-Server. Wir können die später einrichten, aber ich würde sie nicht jetzt mitten in dieser Permission-Runde installieren. MCP-Server sind keine zusätzlichen Häkchen, die einfach Confirm/Submit beseitigen. Jeder Server ist eine echte Integration und muss passend zu einem konkreten Dienst eingerichtet und teilweise authentifiziert werden. Für GitHub, YouTube/Google, TikTok usw. unterscheiden sich die verfügbaren MCP-Lösungen und Berechtigungen. Für unser jetziges Ziel passt es besser so: MCP Tools leer lassen → erst Terminal Commands vollständig konfigurieren → danach Commands Outside Sandbox vollständig konfigurieren. Dann ist die Codex-Permission-Seite sauber fertig. Anschließend können wir in einem eigenen Schritt prüfen, welche MCP-Server für deine 17 Agenten und GitHub/YouTube/TikTok wirklich sinnvoll sind, und nur diese installieren. Das verhindert, dass wir jetzt irgendeinen Drittanbieter-MCP mit unnötig weitreichendem Zugriff installieren.

• 
  Boris Vera (@vera_dev) berichtet vor 56 Minuten

  @github FTP server on steroids

• 
  Florian 🧐 (@heinlef) berichtet vor 56 Minuten

  Als Experiment betreibe ich eine VM im Internet mit ipv6 only. Kein IPv4, auch nicht mit NAT. Bisher größtes Problem ist, dass GitHub kein IPv6 hat. VSCode-Server kann man da außerdem laufen lassen, aber keine Extensions installieren, weil open-vsx auch kein IPv6 hat.

• 
  Nikolaus Kern (@KernNiko) berichtet vor 56 Minuten

  @i_am_fabs Wennst weiter so frech bist kauft er gleich GitHub und dann haben wir alle ein veritables Problem 🤡

• 
  Kevin (@keeev) berichtet vor 58 Minuten

  @VeraCologne @Flamur_Muji Obsidian verwende ich neben Notion am meisten. Der Workflow ist noch crazy aber es klappt schon langsam immer besser: Obsidian synced via iCloud zwischen Devices + auf GitHub (da gibts ein Plugin), auf die .md Files könnten dann theoretisch andere Tools auch wieder zugreifen.