GitHub Karte der Ausfälle

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:

• 
  Arwed (@Doc_Arwed) berichtet vor 52 Sekunden

  @Stagsel @derHelper Ok Du glaubst jemand kann ADA XMR oder DOGE anhalten? Wieviel Einfluss haben die 4 Bitcoin Github Moderatoren, Blockstream und Lightning Labs? Deine Vorstellung rührt aus früheren Zeiten, dass ist Dein Problem

• 
  ZuAltZuCoden (@alt50code) berichtet vor 8 Minuten

  Ich bin immer daran interessiert, kostenlos eine Website zu erstellen oder kostenlos einen Platz auf einem Server zu bekommen. Ich habe kürzlich ein Video darüber gesehen, wie man das mit Github macht, und ich finde die Idee wunderbar.

• 
  Tamaritter (@tamaritter38) berichtet vor 11 Minuten

  🧩 Agent Plugins 1.0 sind jetzt in VS Code, Copilot CLI & Copilot App allgemein verfügbar. Der offene Standard bündelt Skills und MCP-Server in einem portablen Paket – ein Plugin für mehrere Agent-Tools. #GitHub #VSCode #AI Quelle: GitHub Changelog

• 
  Thomas J. Waldmann (@ThomasJWaldmann) berichtet vor 12 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.

• 
  Wiçhtėlbãèr 🐻 (@Wichtelbaer) berichtet vor 12 Minuten

  @CelebDae @ok_annaw @HHumorlos Hast Du eine Anleitung für mich? Wie finde ich einen Server der nicht von einem Minderjährigen betrieben wird und noch eine Weile online ist? Mir wurde "Tusky" zu Nutzung vorgeschlagen, da das Listen kann. Hast Du eine Anleitung dafür? Bekomme auf Fragen als Antwort nur "Github"

• 
  Giuliano F. (@giulianofalco) berichtet vor 13 Minuten

  📄 Claude Code v2.1.121 (GitHub): MCP-Server lassen sich jetzt mit alwaysLoad dauerhaft aktivieren – kein Tool-Search-Deferral mehr. PostToolUse Hooks können Tool-Output jetzt überschreiben, nicht nur annotieren. Praxisrelevant für alle, die Custom-Workflows mit MCP-Servern bauen.

• 
  Oehrchen 💜 🦊 (@OehrchenTV) berichtet vor 14 Minuten

  Irgendwie hängt die Github Pipeline und will den neuen QR Code Generator nicht bauen und auf den Server laden.

• 
  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!

• 
  Adrian/loreley (@rainloreley) berichtet vor 15 Minuten

  @PauIGoldschmidt ah na dann, ist ja perfekt, wollte ja nur an nem Programm arbeiten, welches auf Github ist, und auf meinem Server läuft, welchen ich über SSH steuere Das wird ein wundervolles Erlebnis

• 
  ASC (@Andreas_Schwarz) berichtet vor 17 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.

• 
  Das Grunzi (@Grunzender) berichtet vor 19 Minuten

  @Moehrenmann Habe ich mal notgedrungen mit VirtualBox gemacht. Da hat jemand auf Github ein Shell-Script gebastelt, mit dem das geht. Lief so einigermaßen. Gab aber diverse Probleme, wie UI Glitches.

• 
  Wellnesskoenig (@binancechiller) berichtet vor 22 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.

• 
  Peter Schneider | @pschneider1968@muenchen.social (@pschneider1968) berichtet vor 26 Minuten

  @siirtopakko @Bodenseeperlen @Schachbund Und wenn der Code auf dem Server des LV Württemberg läuft, dann liegt er da ja wohl als PHP-Sourcecode vor, es sei der Entwickler hätte den obfuskiert?! Den müßte man ja nur einfach mal hernehmen, und als ersten Schritt in ein Git bzw. Github-Repository packen.

• 
  🦇 Dark Lord of headless engineering (@schulzbo) berichtet vor 26 Minuten

  ahh cool .. ansible module um die "latest release" version eines projektes von github zu holen. inkl. cache .. wenigsten hat die umsetzung funktioniert. gleich mal in meine toolbox werfen. vielleicht sollte ich mir doch mal so langsam eine ansible collection bauen 🤔

• 
  OnkelWaldgeist (@OnkelWaldgeist) berichtet vor 27 Minuten

  @codemurai Ich habe ein Problem mit der App aus Kapitel 2. Wenn ich das selbst programmiere, läuft alles. Wenn ich den Code aus GitHub verwende, läuft es unter Windows aber nicht als Android App. Da findet VS irgendeine Datei nicht. Jemand eine Idee?