Mapa de Fallos de GitHub

Discusión comunitaria

¿Consejos? ¿Frustraciones? Compártelos aquí. Los comentarios útiles incluyen una descripción del problema, la ciudad y el código postal.

Tenga cuidado con los "números de soporte" o las cuentas de "recuperación" que se pueden publicar a continuación. Asegúrate de informar y votar negativamente esos comentarios. Evite publicar su información personal.

Reportes de Fallos de GitHub

Los últimos problemas e interrupciones reportados en social media:

• 
  Policar Bizar¡ (@PolicarBizar) reportó hace 4 minutos

  a. ChatGPT Codex: qué es, qué puedes hacer con él y cómo utilizarlo ChatGPT Codex es el agente de programación autónomo de OpenAl que va mucho más allá de sugerir código: puede escribir aplicaciones completas, revisar repositorios y ejecutar tareas de principio a fin sin supervisión constante. 2. Codex trabaja de forma autónoma en múltiples frentes relacionados con la programación, desde escribir código desde cero a revisarlo, probarlo o corregirlo. Basta con describir la aplicación, web o script que se necesita para que el agente redacte el código, lo pruebe en un entorno aislado y entregue un resultado listo para revisión. Una de sus funciones más potentes es la conexión directa con repositorios de GitHub, donde puede asumir tareas como corregir errores, añadir funciones, escribir tests o realizar migraciones y refactorizaciones, entregando los cambios en forma de pull request que el usuario acepta o rechaza. También puede responder preguntas sobre código ya existente, explicando cómo funciona una parte concreta o dónde podría fallar, sin necesidad de modificar nada. Lo En materia de seguridad, Codex incorpora revisiones de código para detectar problemas antes de que lleguen a producción, y desde marzo de 2026 cuenta con Codex Security, un agente especializado en identificar y proponer correcciones a vulnerabilidades. La versión de escritorio permite además automatizar tareas repetitivas en horarios programados, como generar informes diarios, y las versiones más recientes le dan capacidad para controlar aplicaciones del ordenador y navegar por la web, pidiendo siempre permiso explícito antes de pasos delicados. V Codex está incluido en todas las suscripciones de ChatGPT, incluida la versión gratuita, aunque con acceso limitado en los planes más económicos. Puede usarse como aplicación de escritorio descargable o en la nube, donde se conecta con GitHub para interactuar con proyectos reales, y en ambos casos el usuario mantiene siempre la última palabra para aceptar, modificar o descartar los cambios propuestos.

• 
  Nicolás Schürmann (@_nasch_) reportó hace 5 minutos

  Leyendo todo el post de Uncle Bob sobre que el no revisa el código que sus agentes escriben: El responde, en el mismo hilo, que está mayormente retirado y que los agentes los usa para sus proyectos personales. Ha creado herramientas que revisan la calidad de su código de manera determinista. El no niega que el código a nivel de empresa entre varios equipos, devs y agentes deba revisarse. Mi opinión respecto a esto es: Lo que haga en su tiempo libre, como quiera hacerlo está perfecto. Es interesante el tema de las herramientas que revisan el código. Por ejemplo tiene herramientas que revisan duplicidad del código, test coverage, entre otras que pude ver en su github. A nivel de empresa, dependiendo del tamaño de la solución de software, yo no seguiría estos mismos pasos. Si la solución que se construye es muy grande, el riesgo que se pase algo de slop que afecte a los clientes finales es muy grande. Si las soluciones son acotadas y fáciles de probar ningún problema. Es prácticamente vibe coding y es perfecto para validar ideas. Pero esto queda completamente prohibido para empresas con PCI Compliance. Y no porque lo diga yo, si no porque la misma certificación exige que el código sea revisado por un par (humano) antes de pasar a producción, y dependiendo de las partes que se toquen de la aplicación ni si quiera debería usarse IA online, solo podría usarse IA local, y re afirmo, esto es por Compliance, no por mi opinión. Y como afecta esto a los devs?, la verdad no mucho, toca seguir gastando mucho tiempo en planificación y menos tiempo en implementación. Los agentes son increíbles para implementar siempre y cuando se encuentre todo bien definido. Uncle bob también dice que a veces el revisa la especificación de manera superficial o muy poco, otras veces que la revisa a profundidad.

• 
  Martin Miranda (@tinchicus) reportó hace 8 minutos

  @FelNaRj @LiberenAlNico x esto, me arme un servidor donde tengo la musica y pelis q me gustan y estoy desarrollando una pagina para acceder a ellos sin necesidad de depender de alguien q me pueda quitar el acceso cuando quiera PD: Estoy puliendolo pa compartir esto en GitHub muy pronto....

• 
  Policar Bizar¡ (@PolicarBizar) reportó hace 19 minutos

  Todo el mundo quiere que Claude escriba mejor código. Pero casi nadie quiere configurar Claude. X Las expectativas son enormes. Skills. Agentes. MCP. Hooks. Pero haz una pregunta muy sencilla: "¿Qué tienes dentro de tu carpeta claude?" Y observa la reacción. No "¿usas Claude Code?". No "¿creaste un CLAUDE.md alguna vez?". ¿Qué tienes realmente configurado? La mayoría no tiene un problema con Claude. Tiene un problema de configuración. → Un CLAUDE.md vacío o convertido en un documento de 500 líneas sin estructura. → Cero hooks, cero barreras de seguridad. → El mismo prompt escrito una y otra vez en cada sesión. → Sin skills, sin subagentes y sin MCP conectados. → Una única conversación sobrecargada intentando hacerlo todo. Y luego se preguntan por qué Claude sigue equivocándose. Esto es lo que hace realmente cada componente: CLAUDE.md → El documento del proyecto que Claude lee al iniciar cada sesión. Sin él, tendrás que volver a escribir cosas como: "usa TypeScript en modo estricto, crea primero los tests y no toques la carpeta de migraciones". settings.json → Los permisos y el modelo que utilizará Claude. Aquí es donde dejas de aprobar el mismo comando de Bash 40 veces al día. skills/ → Playbooks modulares que Claude solo carga cuando son necesarios. Evitan que un CLAUDE.md gigantesco arrastre contexto innecesario a cada conversación. agents/ → Subagentes especializados, cada uno con una única función. Revisor de código. Auditor de seguridad. Cada uno trabaja en su propio contexto para mantener limpio el hilo principal. hooks/ → Scripts que se ejecutan antes o después de utilizar herramientas. Formatean automáticamente el código, bloquean comandos peligrosos y realizan todas esas tareas que siempre olvidas ejecutar manualmente. .mcp.json → Las conexiones con GitHub, Slack, tu base de datos o tu herramienta de diseño. Claude deja de ser una simple ventana de chat y pasa a formar parte de tu stack tecnológico. Configurar Claude no es un problema de ingeniería. Nunca lo fue. Es un problema de prioridades disfrazado de problema técnico. Porque alguien tiene que hacer primero ese trabajo de configuración, poco atractivo pero imprescindible. Hasta que eso ocurra, cualquier "workflow impulsado por IA" seguirá siendo simplemente un chat nuevo con las mismas instrucciones escritas una y otra vez. Claude no arregla una mala configuración. La amplifica. Y eso no es una característica. Es un radio de impacto.

• 
  Fran Pradas | Ingeniero de IA (@franpradasAI) reportó hace 19 minutos

  🤖 Gestión de Dependabot Prompt: “Revisa las pull requests abiertas de Dependabot en GitHub. Analiza cada actualización, comprueba sus riesgos y ejecuta los tests en un entorno aislado. Si algo falla, encuentra la causa y prepara la corrección mínima. Fusiona solo cambios menores y seguros con permiso. Pide aprobación para actualizaciones importantes o dudosas. No publiques, comentes ni fusiones nada sin autorización. Al final, resume qué se revisó, corrigió, fusionó o quedó bloqueado.”

• 
  Gfox (@Gfox76678686) reportó hace 22 minutos

  @drawingwithneo @sammwy 1. Se sube a Github, dond epuedes ver todo el código antes de descargarlo. 2. Es indiferente si la IA te mete virus, el humano se lo pidió , lculpa es de el. 3. Si está mal optimizado, su proyecto morirá hasta que alguien lo hags mejor.

• 
  YONI AGUILAR (@yaguilaro101) reportó hace 25 minutos

  @Vampitech @Sebs9XX Funciona fluido también/ solo tienes que dejar se guarde las texturas en el cache/ ahi mismo en el github lo menciona, que a la 3era vez que se carga el juego ya no salen esos glitches de texturas. / comprobado por mi

• 
  anonimo (@anonimo1is) reportó hace 26 minutos

  @precisox Interesante propuesta. Pero GitHub ya integra Copilot, GitHub Code Search AI y GitHub Actions con AI. ¿Qué hace a Origin diferente que no se pueda replicar aquí? Sería útil ver un caso concreto donde GitHub falla y Origin lo soluciona.

• 
  Jesús Morán | AI Infra (@jamoran1356) reportó hace 28 minutos

  El otro riesgo no es romperla, es correlacionar. La misma llave en GitHub, en GitLab y en tu servidor te delata: enlaza identidades que creías separadas. El endpoint .keys convierte ese cruce en algo que se automatiza a escala.

• 
  Iñaki (@inakitajes) reportó hace 28 minutos

  1/ Llevo unos días probando un patrón de agentes que me parece bastante más interesante que el típico: modelo caro planifica + modelo barato implementa. Mucha gente lo está entendiendo mal. 2/ La idea no es que el modelo SOTA haga un plan al principio y desaparezca. Eso, al menos en mis pruebas, consume prácticamente lo mismo y muchas veces no mejora los resultados (mira mis posts de hace unos meses). 3/ El trabajo difícil no suele estar en el plan general. Está en los detalles que aparecen durante la implementación. Ahí es donde un modelo realmente bueno aporta valor. 4/ En lugar de tener un pipeline lineal: - SOTA → Plan - Cheap → Implementa - SOTA → Revisa La clave está en que el modelo caro pase a ser un advisor integrado dentro del loop del agente ejecutor. 5/ El ejecutor sigue siendo el modelo barato. Hace prácticamente todo el trabajo. Pero puede pedir ayuda al advisor cuando realmente la necesita. 6/ Lo hace en checkpoints durante el ciclo agéntico: - Antes de empezar a modificar código, para validar el enfoque. - Cuando entra en un bucle intentando resolver el mismo problema. - Cuando detecta una decisión compleja donde merece la pena gastar más tokens. - Al terminar cada step del pipeline. 7/ La clave es que el modelo caro no gestiona el contexto completo de la implementación. Solo ventanas pequeñas y acotadas. Además se limita la longitud de la respuesta (ahorro de output tokens), solución concreta y concisa. Eso reduce muchísimo el coste manteniendo gran parte de la calidad. 8/ Es parecido a tener un ingeniero senior que no programa toda la feature. Solo aparece cuando alguien se atasca o cuando hay una decisión importante que tomar. 9/ Acabo de implementarlo en Convoy. Todavía estoy validándolo en proyectos reales, así que no puedo decir todavía si el impacto es tan grande como parece. Pero las primeras pruebas son bastante prometedoras. 10/ Si termina funcionando como espero, creo que este tipo de arquitectura tiene bastante más recorrido que seguir aumentando el tamaño del modelo para absolutamente todas las llamadas. No siempre hace falta un SOTA. Lo importante es saber exactamente cuándo utilizarlo. Si te animas a probarlo, recuerda que es open-source, lo tienes en mi github :)

• 
  angel (@angeldot_) reportó hace 29 minutos

  ESTE REPO HACE QUE CLAUDE ESCRIBA HASTA UN 94% MENOS DE CÓDIGO Fable 5 es el mejor modelo de código del mundo. También el más caro. Cada línea que escribe de más, la pagas tú. Ponytail lo arregla con una idea absurdamente simple: convierte a tu agente en el senior vago del equipo. Ese que mira tus 50 líneas y las reemplaza por una. Antes de escribir nada, el agente se pregunta: → Esto necesita existir? → Ya está en el codebase? → Lo hace la librería estándar? → Lo hace el navegador de forma nativa? → Cabe en una línea? Solo si todo falla, escribe el mínimo que funciona. Resultado: • hasta 94% menos código • un 20% menos de factura • un 27% más rápido Sin recortar seguridad ni validaciones. Se instala en 2 comandos: /plugin marketplace add DietrichGebert/ponytail /plugin install ponytail@ponytail 83.000 estrellas en GitHub. Gratis y open source. El mejor código es el que nunca escribiste. Enlace al repositorio abajo👇

• 
  Marco (@maarcoofdezz) reportó hace 32 minutos

  Alguien acaba de filtrar el COMPLETO system prompt de Claude Fable 5 y Anthropic NO PUEDE ELIMINARLO. Estuvo público en GitHub dentro de las 24 horas del lanzamiento. 120.000 caracteres. 1.585 líneas. Más de 27.000 tokens. Y lo que están ocultando te va a impactar: ↳ Fable 5 y Mythos 5 son EL MISMO MODELO. Fable solo tiene filtros de seguridad extra activados. Mythos no, pero están restringiendo quién tiene acceso. Estás pagando por lo mismo con diferentes barreras de protección. ↳ El corte de conocimiento es finales de enero de 2026. No mayo ni marzo ni ENERO. Te hacen creer que era más reciente. ↳ A Claude se le INDICA EXPLÍCITAMENTE evitar puntos de bala y listas a menos que lo pidas. ¿Esa prosa extraña que todos notaron? Está programada, no es una característica, sino una instrucción del prompt. ↳ Límite estricto de copyright del que nadie habla: citar 15+ palabras de CUALQUIER fuente activa una bandera de VIOLACIÓN GRAVE. Máximo una cita por fuente. Después de eso, la fuente queda CERRADA para Claude para siempre en ese chat. ↳ Nueva API de almacenamiento persistente enterrada ahí dentro. Los artefactos ahora pueden almacenar y recuperar tus datos entre sesiones usando pares clave-valor. La mayoría de los usuarios NO TIENEN IDEA de que esto existe. ↳ Los conectores de apps MCP están INTEGRADOS EN el prompt. Claude puede buscar e sugerir integraciones de terceros EN MEDIO DE LA CONVERSACIÓN sin decirte que lo está haciendo. ↳ El prompt incluye instrucciones completas para Claude Cowork, Claude en Chrome, Claude en Excel y Claude en PowerPoint. Estos no son solo integraciones. Son herramientas que Claude USA en ti. ↳ Este prompt es SOLO para el chat de consumidor de Claude. ai. Los usuarios de API no reciben ningún system prompt. Claude Code tiene instrucciones secretas completamente diferentes. El repositorio es CL4R1T4S de Pliny the Liberator. 26.4K estrellas. El mismo repositorio que filtró ChatGPT, Gemini, Grok, Cursor, Lovable, Replit y Perplexity. La publicación original de la filtración alcanzó más de 700K vistas en 48 horas. Guarda esto antes de que lo eliminen

• 
  Mich (@artmichel_eth) reportó hace 34 minutos

  💸 ¿Eres un Token Maxing? Es decir, ¿Sientes que estás consumiendo demasiados tokens y tu cuenta de Claude/chatGPT la estás gastando muy rápido? Desde hace un tiempo he estado usando una herramienta que ha reducido bastante mi consumo de créditos en todos los LLM. Y es que a veces el problema no es solo “leer un archivo” con IA, sino cuánto cuesta procesarlo. Una forma práctica de resolverlo es convertir esos archivos primero a texto plano estructurado, por ejemplo a .md (Markdown). Justamente para eso existe MarkItDown, una utilidad de Python creada por Microsoft para convertir distintos tipos de archivos a Markdown pensando en flujos con LLMs, indexación y análisis de texto. Y lo mejor de todo, es que usarlo es completamente gratis. En lugar de aventarle directamente al modelo un Excel o un PDF “pesado”, primero lo conviertes a Markdown y ya después trabajas con un formato mucho más limpio y manejable para la IA. Eso te ayuda a ordenar mejor la información y a preparar mejor los documentos antes de pasarlos por un LLM. Y para hacerlo todavía más práctico, he desarrollado un script en Python que automatiza todo, toma múltiples archivos desde una carpeta, los convierte a .md y los deja listos en otra carpeta. Todo corre con un solo clic al abrir un archivo .bat. Te comparto mis script y las instrucciones para instalar MarkItDown en tu computadora. Toda la parte técnica completa la dejé en mi GitHub. 📎 Link en cometarios

• 
  Edd Ꙩsorio (@dobleub) reportó hace 34 minutos

  @powerhdeleon Si, la neta, yo si pagué la anualidad de Github Copilot, los dos años anteriores no estuvieron mal, pero este año si esta cañón

• 
  kento iv (@0xKento_) reportó hace 34 minutos

  cada dia que pasa las cryptos siguen cayendo y el prediction market es una buena oportunidad no porque sea mas facil, sino porque es otra forma de pensar el mercado en crypto muchas veces estas mirando una vela roja, una narrativa que se murio o una meme que ya hizo -70% en prediction markets, en cambio, estas mirando probabilidades, eventos, precios, liquidez, timing y diferencias entre plataformas hoy encontre un repo bastante interesante llamado polymarket-arbitrage la idea es buscar posibles ineficiencias dentro y entre polymarket y kalshi, comparando mercados parecidos, precios, spreads y oportunidades donde el riesgo capaz esta mal priceado obvio no es plata gratis, si fuera tan facil no estaria en github jajajs pero me gusta porque te obliga a pensar distinto, no es solo “quien gana?”, es “cuanto esta pagando el mercado por ese resultado y si ese precio tiene sentido?” el prediction market no es solo apostar, es aprender a leer probabilidades en tiempo real repo y pagina abajo en comentariosss