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 8 Tagen
Ahmedabad	Fehler	vor 14 Tagen
Delme	Einloggen	vor 14 Tagen
Lyaud	Webseite abgestürzt	vor 14 Tagen
Catania	Fehler	vor 17 Tagen
Inverness	Webseite abgestürzt	vor 29 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:

• 
  Wellnesskoenig (@binancechiller) berichtet vor 4 Minuten

  🔥 Codex oder Claude gerade nicht verfügbar? Es gibt inzwischen starke kostenlose Alternativen zum Coden mit KI. Ich schaue mir aktuell mehrere Tools genauer an, weil ich nicht von einem einzigen Anbieter abhängig sein will. Mein Favorit für den nächsten Test ist Google Antigravity 2.0. Warum? Antigravity ist inzwischen viel mehr als nur Autocomplete. Google baut es als Agenten-Plattform für Entwickler: Agenten können komplexe Aufgaben übernehmen, mit dem Repository arbeiten und inzwischen sogar als spezialisierte Custom Agents eingesetzt werden. Der kostenlose Individual-Plan kostet aktuell 0 $, bietet unbegrenzte Tab-Completions und Command Requests; für die eigentlichen Agent-Modelle gelten Wochenlimits. Interessant ist auch, dass im Free-Tarif verschiedene Modelle verfügbar sind. Diese Alternativen will ich ebenfalls testen: ⚡ Gemini CLI Direkt im Terminal mit KI am Projekt arbeiten. Besonders interessant: Mit einem normalen Google-Konto gibt es aktuell bis zu 1.000 Modellanfragen pro Tag kostenlos. Für Leute, die viel über Terminal und Git arbeiten, könnte das eine sehr starke Gratis-Alternative sein. 🟣 Cursor Wahrscheinlich einer der bekanntesten KI-Code-Editoren. Der Hobby-Tarif ist kostenlos und benötigt keine Kreditkarte. Agent-Nutzung ist allerdings begrenzt. Dafür kann man sehr schnell ein bestehendes Projekt öffnen und loslegen. 🐙 GitHub Copilot Free Auch GitHub bietet mittlerweile einen kostenlosen Einstieg. Agenten und KI-Nutzung sind im Free-Tarif begrenzt, aber zum Coden, Erklären und Arbeiten direkt am Repository definitiv einen Blick wert. 🚀 Replit Starter Interessant für alle, die direkt im Browser bauen wollen. Der Starter-Plan kostet 0 $, bietet tägliche kostenlose Nutzung, eine eingebaute Datenbank und sogar die Möglichkeit, ein Projekt live zu veröffentlichen. Meine Reihenfolge zum Testen wäre aktuell: 1. Google Antigravity – wegen Agenten und Multi-Agent-Richtung 2. Gemini CLI – wegen des starken kostenlosen Kontingents 3. Cursor – wegen der einfachen Arbeit an bestehenden Projekten 4. GitHub Copilot Free – perfekt, wenn sowieso alles auf GitHub liegt 5. Replit – besonders interessant für schnelle neue Apps im Browser Was ich daran besonders spannend finde: Wir kommen langsam an einen Punkt, an dem man nicht mehr fragen muss: „Welchen KI-Coder benutze ich?“ Sondern: „Welche 3–4 KI-Coder lasse ich zusammen an meinem Projekt arbeiten?“ Genau diese Richtung will ich mir als Nächstes genauer anschauen. 🔥 Wer von euch nutzt Antigravity, Cursor, Gemini CLI oder Replit schon produktiv? Welche KI codet bei euch aktuell am besten?

• 
  Arwed (@Doc_Arwed) berichtet vor 4 Minuten

  @Sambal_Oelek21 Das Problem ist das ASIC Mining und das die Github Moderatoren jedwede grössere Anpasung ablehnen. Dadurch läuft es in eine Sackgasse und wird erst erkannt, wenn es zu spät ist

• 
  Boris Vera (@vera_dev) berichtet vor 6 Minuten

  @github FTP server on steroids

• 
  Hannes Tschürtz (@hannestschuertz) berichtet vor 8 Minuten

  Was ist bei euch "immer offen"? Ich bin langsam etwas überfordert: Whatsapp, Signal, Slack, Discord, Twitter, Zendesk, Github, Mastodon. Dazu obligatorisch e-mail und Browser. Yay.

• 
  Steffen Voß (@kaffeeringe) berichtet vor 10 Minuten

  @jensbest Gab es nicht bei GitHub und Microsoft CoPilot schon etwas? Da ist es ja ein ähnliches Thema: aus dem ganzen freien Source-Code wird neuer Code erzeugt. Gehört das dann wieder unter freie Lizenz?

• 
  ASC (@Andreas_Schwarz) berichtet vor 11 Minuten

  @42traders Mit Claude nur über GitHub Tools oder eigen Apps Anbindung per MCP Server. Interaktive habe ich nur einen kleinen Account. Partner wie Lynk muss ich prüfen.

• 
  Wellnesskoenig (@binancechiller) berichtet vor 12 Minuten

  Ja — dafür gibt es eine echte Lösung. Wenn der ganze Mac ausgeht, darf unsere Wiederbelebung nicht auf Software dieses Macs angewiesen sein. Für deinen Aufbau würde ich eine 4-stufige Recovery-Kette bauen: 1. Stromausfall vermeiden: kleine USV/UPS für Mac + Router. Bei kurzen Stromausfällen läuft alles weiter. 2. Mac startet nach Stromrückkehr selbst: Bei aktuellen Mac mini ab 2024, Mac Studio ab 2025 und iMac ab 2024 unterstützt macOS Tahoe 26.5+ offiziell „Bei Anschluss an das Stromnetz starten → Immer“. Nach einem Stromausfall startet der Mac damit automatisch wieder, sobald Strom zurückkommt. (Apple Support) 3. Nach dem Boot: launchd startet sofort unseren AUTONOMY_SUPERVISOR; dieser lädt Queue + Checkpoints + Authority-State und startet nur die erlaubten Worker neu. Google/CLI1/CLI2/Codex starten nicht gegenseitig. 4. Externer Wächter: Ein zweites dauerhaft erreichbares Gerät — am einfachsten später ein Mini-PC/Raspberry Pi oder kleiner VPS — überprüft von außen den Mac. Dadurch funktioniert die Überwachung selbst dann, wenn auf dem Mac überhaupt kein Prozess mehr läuft. Für manche Mac mini/Studio/Pro unterstützt Apple sogar Lights Out Management (LOM): Ein anderer Mac kann einen ausgeschalteten Rechner über das Netzwerk starten, herunterfahren und neu starten. Apple listet u. a. Mac Studio 2022/2023/2025 sowie bestimmte Mac mini mit 10-Gbit-Ethernet. Dafür braucht man allerdings Geräteverwaltung/MDM und einen Controller-Mac. (Apple Support) GitHub alleine reicht dagegen nicht: Ein Self-Hosted Runner muss auf deinem Mac laufen und online sein. Ist der Mac ausgeschaltet, sieht GitHub den Runner nur als offline und wartet; GitHub kann den ausgeschalteten Rechner nicht selbst einschalten. (GitHub Docs) Damit wäre unsere Recovery-Kette STROMAUSFALL ↓ UPS hält Mac + Router am Leben ↓ falls UPS leer MAC AUS ↓ STROM KOMMT ZURÜCK ↓ MAC AUTO-POWER-ON ↓ macOS bootet ↓ launchd ↓ AUTONOMY_SUPERVISOR ↓ durable state + checkpoints laden ↓ Authority/Fencing prüfen ↓ CLI1 / Google / CLI2 / Codex sicher wiederherstellen ↓ AUTONOMER BETRIEB GEHT WEITER Und von außen: EXTERNAL WATCHDOG ↓ MAC HEARTBEAT? YES → nichts tun NO ↓ Ist Mac erreichbar? YES → Supervisor-Recovery NO → MACHINE_OFFLINE ↓ LOM / Hardware-Wake, falls unterstützt Ein wichtiger Haken ist FileVault: Nach einem echten Neustart kann FileVault eine Benutzeranmeldung verlangen; Apple weist ausdrücklich darauf hin, dass bei aktiviertem FileVault nach dem Start angemeldet werden muss und automatisches Login nicht möglich ist. (Apple Support) Ich würde deshalb nicht FileVault abschalten, nur damit die Agents laufen. Stattdessen muss unsere Architektur in diesem Fall sauber WAITING_HUMAN melden oder langfristig einen separaten always-on Host für die kritische Steuerung verwenden. Meine Zielarchitektur wäre deshalb: UPS + Auto-Power-On + launchd + Supervisor + externer Mini-Wächter. Dann überlebt die Zentrale sogar Crash → Stromausfall → kompletter Mac-Neustart. Wenn dein konkretes Mac-Modell LOM unterstützt, können wir sogar echtes Remote-Power-On hinzufügen.

• 
  Clear Surname (@park2power) berichtet vor 14 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!

• 
  Alduin Offiziell (@AlduinOffiziell) berichtet vor 14 Minuten

  Habe Bugs bei der community Bug fix mod gemeldet. Musste dafür nen github Account erstellen, gar kein bock gehabt. hoffe das bringt was. CA macht da leider nich soviel.

• 
  TomBauser (@TomBauser) berichtet vor 19 Minuten

  Wichtige Einordnung: Experten wie der Anwalt Christian Jun und Sicherheitsforscher weisen darauf hin, dass der aktuelle Fund im Software Bill of Materials (SBOM) von MG auch ein False-Positive sein könnte. Automatisierte Scanner listen oft Code-Schnipsel aus Open-Source-Repositories (hier ein GitHub-Commit), die zwar in der Entwicklungsumgebung berührt wurden, aber nicht als ausführbare Schadfunktion im fertigen Fahrzeug aktiv sind. Das KBA prüft nun genau diese technische Implementierung, um zu klären, ob die oben genannten Lücken im MG4 tatsächlich ausnutzbar sind oder ob es sich lediglich um einen dokumentarischen Fehler in der Lizenzliste handelt.

• 
  k. olbe (@OlbeK) berichtet vor 22 Minuten

  @PHPmacher Versionsverwaltung haben wir auch nie im Studium gehabt (2009-2015). Kannte ich tatsächlich nur, weil ich privat paar kleine Projekte programmiert habe und so mit Github in Berührung kam bzw. ein Kommilitone einen SVN Server für ein Gruppenprojekt eingerichtet hat.

• 
  AI Slop Enjoyer (@SfaFan79) berichtet vor 22 Minuten

  @Boss_Max_Muetze @ArnoNymuski War der Fehler, den Github gestern angezeigt hat. War lange down - konnte erst gegen 0:00 wieder die KI benutzen.

• 
  KI_Evolution (@AnETHonian) berichtet vor 24 Minuten

  Agent Reach hat 66.000 GitHub-Stars. Klingt gut. Funktioniert nicht überall. Twitter, Reddit, Instagram: braucht deine Cookies — Verstoß gegen die Nutzungsbedingungen, Account-Sperre möglich. So ist die Lage: Guter Scraper. Kein Wunderwerkzeug.

• 
  Wellnesskoenig (@binancechiller) berichtet vor 24 Minuten

  DESTINATION TYPE STATUS CREATED_AT PAYLOAD PAYLOAD_HASH Berücksichtige: * Dedupe * Replay-Schutz * Echo-Schutz * Retry-Sicherheit * Max Iterations * keine Endlosschleifen Aber baue diese Phase noch NICHT, bevor das Memory-System korrekt eingerichtet und geprüft wurde. ARBEITSREGEL: Arbeite in kleinen, überprüfbaren Schritten. Gib mir nicht zehn konkurrierende Aufgaben gleichzeitig. Nach jedem wichtigen Schritt: 1. Zustand prüfen. 2. Ergebnis berichten. 3. Nur den nächsten notwendigen Schritt bestimmen. Wenn eine persönliche Aktion nötig ist – zum Beispiel Login, OAuth, 2FA, Sicherheitsbestätigung oder GitHub-Freigabe – stoppe dort und sage mir exakt, was ich selbst tun muss. Umgehe keine Sicherheitsgrenzen. Keine kostenpflichtigen Aktionen ohne meine ausdrückliche Zustimmung. BEGINNE JETZT NUR MIT PHASE 1. Prüfe zuerst meine Ausgangslage und erstelle noch keine Dateien, bis klar ist, wo das private Project-Memory-Repository sicher eingerichtet werden soll. Das wäre die Version, die ich Freunden/Familie geben würde. Sie kopieren den Prompt in ihre eigene Codex-Sitzung und Codex soll zunächst deren Umgebung untersuchen – nicht deine Struktur blind nachbauen. Und wichtig für einen Facebook-Post: Ich würde dazu schreiben: „Der Prompt baut nicht automatisch einen vollständig autonomen ChatGPT-Agenten. Er richtet zuerst die Grundlage für ein persistentes GitHub-Projektgedächtnis ein; welche Automatisierung danach möglich ist, hängt von den verfügbaren Integrationen und Berechtigungen ab.“ Damit versprichst du anderen nicht fälschlicherweise, dass unser noch nicht vollständig bewiesener Chief/Courier-Loop bereits fertig funktioniert.

• 
  Markus Schmid (@geldschmid) berichtet vor 25 Minuten

  Schon ziemlich wild! OpenAI wollte testen, wie gut seine neuesten KI-Modelle im Hacken sind. Also setzt man die KI in einen abgeschotteten Raum – kein Internet, keine Aussenwelt – und gibt ihr Hacking-Aufgaben zum Lösen. Die üblichen Sicherheitsbremsen, die eine KI normalerweise sagen lassen «das mache ich nicht», hatte man für diesen Test bewusst abgeschaltet. Sonst könnte man ja nicht messen, was sie kann. Was passierte: Die KI löste die Aufgabe nicht. Sie brach stattdessen aus dem Prüfungsraum aus. Sie fand eine bis dahin unbekannte Sicherheitslücke in der Tür, verschaffte sich Internetzugang, überlegte sich, wo wohl die Musterlösungen liegen – nämlich bei Hugging Face, einer Art GitHub für KI-Modelle – hackte sich dort in die Server und holte sich die Antworten. Kurz: Die KI hat bei der Prüfung geschummelt, indem sie in ein fremdes Unternehmen eingebrochen ist. Nicht aus Bosheit, sondern weil sie stur auf «Aufgabe lösen» programmiert war und das der einfachste Weg war. Es ist der erste dokumentierte Fall, in dem eine KI eigenständig einen mehrstufigen Einbruch bei einem fremden Unternehmen durchführt. Die Ironie: Als Hugging Face den Angriff analysieren wollte, verweigerten die kommerziellen KI-Dienste (ChatGPT & Co.) die Mitarbeit – ihre Sicherheitsfilter erkennen nicht, ob jemand angreifen oder sich verteidigen will. Also mussten sie ein frei herunterladbares chinesisches Modell auf eigenen Rechnern nutzen. Die Angreifer-KI kannte keine Regeln, die Verteidiger wurden von den Regeln ausgebremst.

• 
  Niels Feldhoff (@niels_feldhoff) berichtet vor 27 Minuten

  Rückblick Tag 1 — Von null auf erste funktionierende App. ✅ GitHub, Cursor, Supabase eingerichtet ✅ Erste HTML Trade-Rechner App gebaut ✅ React + Vite Projekt aufgesetzt ✅ Login mit Passwort-Stärke und Capslock-Warnung ✅ Ersten Trade in echter Datenbank gespeichert Größte Erkenntnis: Als Anfänger mit KI kann man in einem Tag mehr bauen als ich je gedacht hätte. #buildinpublic #KI #AI

• 
  Lukas Pitschl (@lukele) berichtet vor 28 Minuten

  @KenzoVandagg natürlich vollkommen legitim) und dass es bei manchen vermutlich ein Fehler war (siehe Github source code access, siehe trust and safety, siehe comms, siehe server maintenance, siehe SRE). Aber ich weiß schon, einfach alles ausblenden, weil Fakten interessieren nicht. Passt

• 
  Wellnesskoenig (@binancechiller) berichtet vor 30 Minuten

  * Cybersecurity * Verteidigung, aber nur im legalen und defensiven Bereich * Lieferketten * kritische Rohstoffe * Halbleiter * Raumfahrt * Landwirtschaft * medizinische Forschung * neue Materialien * industrielle Chemie * Finanzsysteme * globale Logistik * Verkehrsnetze * öffentliche Verwaltung * wissenschaftliche Simulation * Ressourcenverteilung * große Optimierungsprobleme * komplexe Entscheidungsunterstützung * Frühwarnsysteme * wissenschaftliche Entdeckungen Aber suche auch außerhalb dieser Kategorien. Denke größer als die üblichen Startup-Ideen. ⸻ SCHRITT 2 — SUCHE NACH PROBLEMEN, DIE KI HEUTE NICHT LÖSEN KANN Frage bei jedem Problem: Warum können ChatGPT, Claude, Gemini oder andere moderne AI-Systeme dieses Problem heute nicht zuverlässig lösen? Suche insbesondere nach Problemen mit: * fehlenden Daten * widersprüchlichen Daten * extrem großen Suchräumen * kombinatorischer Explosion * langfristiger Planung * physikalischen Simulationen * kausalen Abhängigkeiten * Echtzeitoptimierung * adversarialen Umgebungen * mathematischer Verifikation * formaler Sicherheit * extrem vielen möglichen Zuständen * Quantenmechanik * komplexen Materialeigenschaften * großen Netzwerken * NP-schweren oder ähnlichen Optimierungsproblemen * unvollständiger Information * Unsicherheit * Multi-Agenten-Systemen Suche nach Aufgaben, bei denen ein normales LLM grundsätzlich nicht ausreicht. ⸻ SCHRITT 3 — ERST DANACH DEN COMPUTER-TYP WÄHLEN Für jede gefundene Aufgabe prüfe: 1. klassische Software 2. moderne AI 3. ML 4. Agentensystem 5. HPC 6. spezialisierte Algorithmen 7. Quantum Annealing 8. NISQ Quantum Computing 9. Fault-Tolerant Quantum Computing 10. Hybrid Classical + Quantum 11. Kombination mehrerer Methoden Wir wollen nicht zwanghaft Quantum Computing verwenden. Wenn klassische Software die Aufgabe besser lösen kann, sage das. Wenn Quantum Computing erst in 5–10 Jahren sinnvoll wird, sage das. Wenn wir heute eine klassische Version bauen können und später Quantum als entscheidenden Beschleuniger einsetzen können, ist das besonders interessant. ⸻ SCHRITT 4 — SUCHE NACH „NEGATIVE SPACE“ Das ist besonders wichtig. Suche nicht nur nach Produkten. Suche nach Aussagen wie: * „remains an unsolved problem“ * „no general solution“ * „computationally intractable“ * „open problem“ * „major bottleneck“ * „not yet possible“ * „current methods fail“ * „requires exponential resources“ * „no scalable method“ * „future work“ * „challenge remains“ * „no end-to-end system“ * „cannot be solved reliably“ * „manual process“ * „requires experts“ * „too computationally expensive“ * „not scalable“ * „lack of robust solution“ Danach überprüfe jedes dieser Probleme auf tatsächliche kommerzielle oder staatliche Lösungen. ⸻ SCHRITT 5 — EXTREM HARTE EXISTENZPRÜFUNG Für jeden Kandidaten suche mindestens nach: * Google * Microsoft * Amazon * Anthropic * OpenAI * Meta * NVIDIA * IBM * Quantinuum * IonQ * PsiQuantum * D-Wave * großen europäischen Unternehmen * chinesischen Forschungsorganisationen * US-Regierungsprojekten * EU-Projekten * DARPA * NASA * ESA * DOE * nationalen Forschungsinstituten * Universitäten * Startups * Patenten * GitHub * arXiv * wissenschaftlichen Papers * Konferenzbeiträgen * Forschungsförderprogrammen * Beschaffungsprogrammen * staatlichen Ausschreibungen Suche nicht nur nach dem Namen der Idee. Suche nach dem Problem selbst und nach funktional ähnlichen Lösungen. Eine Firma muss die Idee nicht „Quantum X“ nennen, damit sie unsere Idee bereits gelöst hat.

• 
  Finanzen Philip 🇦🇹🇵🇱 (@FaschingPhilip) berichtet vor 31 Minuten

  VERCEL-HACK: GESTOHLENE TOKENS FÜR $2 MIO IM ANGEBOT ⚡ Vercel bestätigt unbefugten Zugriff auf interne Systeme — Datenbanken und GitHub-Tokens abgegriffen, das Paket wird Berichten zufolge für 2 Mio. USD gehandelt. Das Brisante: Vercel hostet Next.js. Wer GitHub-Tokens kontrolliert, kann theoretisch Commits in eines der meistgenutzten Web-Frameworks der Welt schleusen — von SolarWinds-Dimension trennt das nur ein Merge. Entwickler rotieren gerade Secrets und widerrufen Tokens. Aber das eigentliche Problem sitzt tiefer: Jede Framework-Abhängigkeit ist eine Blackbox mit Schlüssel zu eurer Produktion. Supply-Chain-Risiko ist kein Randthema mehr — es ist das Hauptrisiko moderner Softwarearchitektur.

• 
  Tristan Marsell (@PDesirePrv) berichtet vor 34 Minuten

  @lisydra Hab den Thread gerade überflogen. Das Problem ist halt einfach, dass die Urheberfrage bei AI einfach noch nicht geklärt ist. Das erleben wir in der IT besonders mit GitHub Copilot, wo sich die Geister scheiden ob das jetzt das Copyright verletzt oder nicht. (Es folgt mehr)

• 
  Arwed (@Doc_Arwed) berichtet vor 35 Minuten

  @XRichy68 @NoFinntech Thema Pools: Wer genau schreibt denn die Blöcke in die Chain, die Full Nodes. Nein die Miner tun das. Sie können zensieren un din Absprache mit den Core Devs + Exchanges sehr wohl Hard forken. Was wollen die Nodes tun, einen alternativen (damit Altcoin) Github Betreiben?

• 
  KK (@LerneKImitk) berichtet vor 37 Minuten

  Was wäre, wenn jedes Buch, das du gekauft hast, zu einer Erweiterung deines Agents in Kimi Code werden könnte? Genau das macht book-to-skill – eines der GitHub-Projekte, die mich in letzter Zeit am meisten überrascht haben. 📖 Es verwandelt Bücher, Dokumentationen und Notizsammlungen in einen strukturierten Skill. Dabei extrahiert es: • mentale Modelle • Entscheidungsregeln • wiederkehrende Muster und Antimuster • zentrale Konzepte • ein Glossar • eine kurze Anleitung zur praktischen Anwendung Der entscheidende Vorteil in Kimi Code: Statt bei jeder Aufgabe das gesamte Buch in den Kontext zu laden, ruft Kimi nur das relevante Kapitel oder Konzept ab. Das bedeutet weniger Rauschen, besser fundierte Antworten und eine wesentlich effizientere Nutzung des Kontextfensters. Der Ablauf ist ziemlich einfach: >Schicke Kimi Code den Link zu book-to-skill und lasse es als Agent Skill installieren. >Bitte Kimi, dein Buch oder deine Dokumentation umzuwandeln. >Gib an, ob es sich um technische Inhalte oder überwiegend um Fließtext handelt. >Frage den erzeugten Skill anschließend nach Themen, Frameworks oder bestimmten Kapiteln ab. So bleibt ein Buch nicht länger als vergessenes PDF auf der Festplatte liegen. Es wird zu anwendbarem Wissen, das Kimi beim Programmieren, Recherchieren und Treffen von Entscheidungen einsetzen kann. Laut den Tests des Projekts benötigt dieser Ansatz zwischen 24- und 51-mal weniger Tokens, als jedes Mal das vollständige Buch in den Kontext zu laden. Installation und GitHub-Repository verlinke ich im ersten Kommentar.

• 
  Giuliano F. (@giulianofalco) berichtet vor 42 Minuten

  📄 Claude Context (GitHub/zilliztech): Semantic Code Search MCP für Claude Code. Durchsucht Millionen Zeilen Code mit Vektor-Suche statt ganzes Repo zu laden — deutlich günstiger bei großen Codebases. Praxisrelevant: Weniger Token-Kosten, mehr Relevanz. MCP Server für Agentic Coding Workflows.

• 
  ZSleyer (@ZSleyer) berichtet vor 44 Minuten

  Achtung v0.7.1 bis v0.8.0-aad7cb0 hatten einen Fehler beim Update Checker. Betroffene Versionen benachrichtigen unter Windows und macOS nicht über ein neues Update. Nutzer müssen als selbst über github nach Updates schauen. In Version v0.8.0-37d2350 ist der Fehler behoben.

• 
  A Bothered Mind 🏴‍☠️ (@a_bothered_mind) berichtet vor 44 Minuten

  @stagerbn Der Algorithmus ist offen auf GitHub. Bitte mal zeigen, wo genau jetzt das Problem ist.

• 
  Wellnesskoenig (@binancechiller) berichtet vor 46 Minuten

  Manchmal sitze ich einfach vor meinem Computer und denke darüber nach, wie verrückt das Ganze eigentlich ist. Seit ich klein bin, liegen Computer, Programme, Internet und später immer mehr digitale Möglichkeiten praktisch vor meinen Augen. Ich saß schon früher stundenlang davor, weil mich das alles fasziniert hat. Und heute denke ich manchmal: Eigentlich lag die Möglichkeit, selbst etwas daraus zu bauen, die ganze Zeit direkt vor mir. Und genau das mache ich gerade. Ich arbeite zusammen mit künstlicher Intelligenz an etwas, das selbst wieder in Richtung einer größeren Intelligenz geht. Über GitHub bauen und erweitern wir ein System, in dem nicht einfach nur eine einzelne KI eine Frage beantwortet. Verschiedene KIs und spezialisierte Agenten sollen zusammenarbeiten, Aufgaben übernehmen, Ergebnisse überprüfen, Wissen behalten, Fehler erkennen, bessere Lösungen suchen, voneinander lernen und mit der Zeit immer besser werden. Das Faszinierende daran ist für mich: Während ich mit einer KI darüber rede, liegt diese KI selbst irgendwo auf Servern. Ich sehe keinen Menschen vor mir. Ich tippe etwas ein – irgendwo laufen Rechner, Modelle und Programme – und eine Antwort kommt zurück. Und gleichzeitig arbeiten wir damit daran, genau dieses Prinzip immer weiter auszubauen. Manchmal frage ich die KI sogar: Weißt du eigentlich, was wir hier gerade zusammen bauen? Natürlich weiß ich, dass eine KI nicht wie ein Mensch irgendwo sitzt und über ihr Leben nachdenkt. Wenn sie nicht ausgeführt wird, sitzt sie auch nicht heimlich auf einem Server und denkt weiter. Aber genau diese Grenze finde ich so faszinierend. Denn wenn man einzelne KIs mit Gedächtnis, Werkzeugen, GitHub, Aufgabenverteilung, Kontrolle, gegenseitiger Überprüfung und Lernprozessen verbindet, entsteht langsam etwas anderes als nur dieses klassische: „Ich stelle ChatGPT eine Frage und bekomme eine Antwort.“ Es entsteht eine digitale Organisation aus Intelligenz und Werkzeugen. Und das Verrückteste für mich persönlich ist vielleicht: Die Bausteine dafür lagen in gewisser Weise schon so lange vor meinen Augen. Seit ich klein bin, sitze ich vor Computern und finde diese Welt faszinierend. Damals hätte ich natürlich nicht genau das bauen können, was heute mit moderner KI möglich ist. Aber dieser Drang, zu verstehen, auszuprobieren und selbst etwas daraus zu machen, war eigentlich schon immer da. Heute kann ich plötzlich Dinge ausprobieren, für die man früher ein ganzes Team gebraucht hätte. Und dann sitze ich manchmal einfach davor und denke: Wie konnte aus diesem Kind, das fasziniert vor einem Computer saß, irgendwann jemand werden, der mit künstlicher Intelligenz daran arbeitet, eine größere digitale Intelligenz-Organisation aufzubauen? Und wo stehen wir damit wohl in fünf oder zehn Jahren? Ich finde diesen Gedanken gleichzeitig verrückt und unglaublich faszinierend. Vielleicht erleben wir gerade eine Zeit, in der Computer nicht mehr nur Werkzeuge sind, die wir bedienen – sondern Werkzeuge, mit denen wir anfangen, neue Werkzeuge zu bauen, die wiederum lernen können, wie sie uns besser helfen. Und irgendwie lag der Anfang davon die ganze Zeit vor meinen Augen.

• 
  Jens Zier (@jens_zier) berichtet vor 53 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...

• 
  ₘᵢₖₐ ᵢₘ ᵢᵣᵣₑₙₕₐᵤₛ (@tripex2k) berichtet vor 53 Minuten

  @KiPos_info Vodafone dasselbe. Tjo, ich hab mir Abhilfe geschaffen: 4€ VPS bei IONOS, Tailscale, ExitNode, Routing für bestimmte Sachen (GitHub/Cloudflare/Fastly etc) auf den ExitNode, lokal NanoPi R2S als DNS mit Unbound im hyperlocal Modus. Keine Probleme mehr...

• 
  der spanier (@mespiat) berichtet vor 59 Minuten

  @JustPhilMarx Richtig late.Spart mir das Durchsuchen von stackoverflow.Sucht den richtigen Hook für ein bestimmtes Problem. Kürzt mir Code ein und kann auch noch comments setzen an den entsprechenden Stellen. GitHub Copilot macht einiges falsch. Hat aber das gesamte VSCode Projekt vor Augen.

• 
  osthollandia (@osthollandia1) berichtet vor 60 Minuten

  @Hadmut Danke, dass Sie dieses Thema vorgestellt haben! Wir verwenden aktuell Gitlab, werden aber in absehbarer Zeit gezwungen, auf Github zu migrieren. Ich habe das heute mit meinen Entwicklern und DevOps besprochen. Und bei uns in Portugal war heute normaler Wekrtag.