Estado de GitHub: problemas de acceso e interrupciones

Problemas en las últimas 24 horas

El siguiente gráfico muestra la cantidad de informes que hemos recibido sobre GitHub por hora del día durante las últimas 24 horas. Una interrupción se determina cuando la cantidad de informes es mayor que la línea de referencia, representada por la línea roja.

Problemas Más Reportados

Los siguientes son los problemas más recientes informados por los usuarios de GitHub a través de nuestro sitio web.

• Sitio Caído (69%)
• Inicio de Sesión (19%)
• Errores (13%)

Mapa de interrupciones en vivo

La mayoría de reportes de fallos e interrupciones se originaron en

City	Problem Type	Report Time
Créteil	Sitio Caído	hace 7 días
Trichūr	Errores	hace 10 días
Brasília	Inicio de Sesión	hace 10 días
Lyon	Sitio Caído	hace 11 días
Tel Aviv	Sitio Caído	hace 14 días
Rive-de-Gier	Sitio Caído	hace 14 días

Mapa de Fallos

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:

• 
  santi (@santtiagom_) reportó hace 1 minuto

  si querés estudiar IA para crear agentes, tenés que entender los fundamentos. este es el roadmap que seguiría: 1) modelos → una idea básica de qué son los LLMs y cómo hacer tu primera llamada a una API. 2) contexto → qué información ve el modelo y cómo funciona el context window. 3) tools → cómo un modelo puede leer archivos, buscar información, ejecutar código o llamar APIs. 4) MCP → cómo conectás servicios externos, como Google Calendar, GitHub o Slack. 5) RAG → cómo recuperás información relevante sin llenar todo el contexto. por ejemplo: responder preguntas sobre un PDF. 6) harness → el sistema que coordina modelo, contexto, tools, permisos y ejecución. 7) memoria → qué información se guarda para no tener que explicarle lo mismo al modelo una y otra vez. 8) loop agéntico → cómo un agente ejecuta acciones, observa resultados, verifica si cumplió el objetivo y vuelve a intentar. después podés profundizar en: subagents, fan-out, planning, verification loops, evals, permisos y arquitectura. crear agentes es aprender a diseñar sistemas alrededor de modelos. gran parte del trabajo aparece cuando empezás a conectar contexto, tools, memoria, permisos y loops de ejecución.

• 
  kuchuflitux (@kuchiflitux) reportó hace 4 minutos

  el problema: los targets eran CDNs anycast (github, npm) — te responde el servidor más cercano. mi probe de asia medía un servidor en asia, el de europa uno en europa. nueve rutas cortas y perfectas entropía plana, siempre. el instrumento no tenía nada que ver

• 
  CryptoWhale™ (@SCryptowhale) reportó hace 5 minutos

  Un tipo apodado nbatman en Reddit edificó accidentalmente el sitio web más práctico del internet. Se llama FMHY (Free Media Heck Yeah). Este es el portal que Google borró de los resultados de búsqueda por infracciones DMCA, que Reddit censuró en las sombras por promocionar piratería, que la Motion Picture Association etiquetó como amenaza principal de piratería, y que la RIAA presionó a los proveedores de hosting para que lo abandonaran. Continúa en línea. Se actualiza cada mes. Así funciona. FMHY es el catálogo. La wiki misma no hospeda nada. Únicamente te especifica dónde reside realmente cada cosa gratuita en internet, estructurada en 14 secciones con evaluaciones de seguridad en cada enlace particular. → Películas y series en 4K de más de 50 plataformas de streaming → Música con calidad de Spotify y Apple Music → Adobe Creative Cloud, Microsoft Office, AutoCAD, JetBrains → Cada curso pago en cada plataforma mayor de aprendizaje → 100 millones de libros y artí***** a través de Anna's Archive → Opciones gratuitas a cada utilidad de IA paga → Una extensión de navegador SafeGuard que marca sitios inseguros en tiempo real Arrancó como un único documento de Google gestionado por un moderador de Reddit en 2018. Google lo liquidó con un retiro por DMCA en 2023. La comunidad reconstruyó la wiki en su propio dominio, la replicó en GitHub e IPFS, y actualmente la ejecuta en 12 dominios de respaldo contemporáneamente. No hay empresa. No hay CEO. No hay servidor central. Seis voluntarios anónimos sostienen todo el proyecto en su tiempo personal. Las donaciones vía Ko-fi costean el hosting. Nadie embolsa ganancias. Hollywood no logra cerrar esto. Spotify no logra cerrar esto. Adobe no logra cerrar esto. Toda la economía de suscripciones se mantiene porque no sabes que esta wiki existe.

• 
  J G Garcia (@udalpe13) reportó hace 6 minutos

  Seguimos probando la creación automatica de hilos con XAI Developer Console, y Grok Build. Ahora debería crearlos automáticamente usando Github pero no funciona bien, ayer lo hizo y hoy he tenido que forzarlo y veo que son muy repetitivos... Le doy una vuelta, lo contaré...

• 
  Bitácora de un Ingeniero de Software (@bitacoraingsoft) reportó hace 9 minutos

  El problema no es que la IA escriba código malo. Es que escribe código decente: nombres correctos, estructura razonable, tests que pasan… pero con decisiones que un humano con contexto del negocio no habría tomado. Y eso no se ve en un diff de GitHub.

• 
  Marco (@maarcoofdezz) reportó hace 12 minutos

  El CLAUDE. md de Karpathy alcanzó el #1 en las tendencias de GitHub. Más de 220,000 estrellas. La mayoría de los desarrolladores aún no lo han leído. Son 65 líneas. Llevó la precisión en la codificación con IA del 65% al 94%. Las 4 reglas dentro: → piensa antes de codificar expón tus suposiciones. pregunta cuando no estés seguro. nunca adivines. → simplicidad primero escribe el código mínimo que resuelva el problema. sin abstracciones que nadie pidió. → cambios quirúrgicos no toques código no relacionado con la solicitud. cada línea cambiada debe rastrearse hasta lo que se pidió. → ejecución orientada a metas convierte instrucciones vagas en criterios de éxito verificables antes de escribir una sola línea. eso es todo. 65 líneas. 4 reglas. 94% de precisión. guarda esto antes de que sea demasiado tarde

• 
  Sarah con S de Sophonauta (@astromotomami) reportó hace 13 minutos

  @JuanmaofArcos_ Ah, y ponte a hacer proyectos y súbelos a GitHub. Pero no proyectos sacados de tutoriales de YouTube. Proyectos que resuelvan un problema y puedas explicar con interés.

• 
  InferenciaPura (@InferenciaPura) reportó hace 19 minutos

  @github 10 desarrolladores en la empresa parados porque configurando para que no se cobren sobrecostes, a pesar de haber pagado 228$ por un servicio que ahora no puedo usar. Tengo 30k créditos sin usar, PAGADOS, y ahora por mucho que reconfiguro los budgets, nada funciona.

• 
  Álvaro López | Sabiadicción (@SabioSentido) reportó hace 20 minutos

  UN CHINO HA CREADO OFICIALMENTE UNA MÁQUINA DE IMPRIMIR DINERO. Hay una herramienta en GitHub que ha recibido 13 000 estrellas. Se llama moneyprinterturbo. La ha creado un desarrollador chino. Es gratuita y totalmente de código abierto. Genera automáticamente vídeos completos para TikTok, Reels y YouTube Shorts. ¿Cómo funciona? Lo hace todo en un único flujo de trabajo. Creación del guion, locución, subtítulos, recursos visuales, edición... todo en cuestión de minutos. El resultado es un vídeo listo para publicar. Tú no tienes que tocar nada. Ahora bien, ¿por qué se ha vuelto tan popular? Porque normalmente este proceso funciona así: Una herramienta para el guion, otra para la locución, otra para los subtítulos, otra para las imágenes y otra para la edición. Cada una requiere dinero, tiempo y aprendizaje por separado. Moneyprinterturbo lo ha reunido todo bajo un mismo techo. Se ha convertido en el proyecto de código abierto más popular de su categoría, gratuito y sin límites. Los canales de TikTok Shop y YouTube Shorts ganan entre 6000 y 10 000 dólares al mes. Ellos utilizan este proceso. La diferencia es la siguiente: Ellos pagan por las herramientas. Tú no pagas nada. La instalación te llevará 5 minutos. Búscalo en GitHub. Instálalo, ejecútalo, crea contenido: todo está totalmente en tus manos.

• 
  Zurdo (@catracho_rojo) reportó hace 21 minutos

  Hay tanto ijueputa en esta red social que mandarlos a comer ****** de uno a la vez me llevaría toda la vida, debe haber una forma más eficiente de resolver este problema. ¿Alguna app en Github?

• 
  Jaime Gómez-Obregón (@JaimeObregon) reportó hace 21 minutos

  @HumevsRousseau ¡Hola! Estando de acuerdo con lo que dices, deseo señalar que he podido informar del problema al equipo de desarrollo debido a que el proyecto es de código abierto y está publicado en GitHub.

• 
  Amarillo (@anyelamarillo) reportó hace 23 minutos

  El CLAUDE. md de Karpathy alcanzó el #1 en las tendencias de GitHub. Más de 220,000 estrellas. La mayoría de los desarrolladores aún no lo han leído. Son 65 líneas. Llevó la precisión en la codificación con IA del 65% al 94%. Las 4 reglas dentro: → piensa antes de codificar expón tus suposiciones. pregunta cuando no estés seguro. nunca adivines. → simplicidad primero escribe el código mínimo que resuelva el problema. sin abstracciones que nadie pidió. → cambios quirúrgicos no toques código no relacionado con la solicitud. cada línea cambiada debe rastrearse hasta lo que se pidió. → ejecución orientada a metas convierte instrucciones vagas en criterios de éxito verificables antes de escribir una sola línea. eso es todo. 65 líneas. 4 reglas. 94% de precisión. guarda esto antes de que sea demasiado tarde.

• 
  Culiacan.AI (@CuliacanAI) reportó hace 26 minutos

  GitHub Copilot abandona la tarifa fija y cobra por token a partir de junio 2026. No es un ajuste de precio — es el momento en que la industria del software admite que el modelo SaaS tradicional no funciona para IA. La lógica es simple: los costos de inferencia son variables, así que el pricing debe serlo también. Pero las implicaciones son profundas. Cada empresa que use Copilot ahora tiene que pensar en eficiencia de prompts como piensa en eficiencia de código. El desarrollador que escribe contextos precisos pagará menos que el que hace preguntas vagas. La habilidad de comunicarse con IA se convierte literalmente en un centro de costo. Para CTOs en Latam esto es accionable hoy: si tu equipo usa Copilot, necesitas visibilidad sobre consumo por desarrollador antes de que llegue la factura de julio. Mientras tanto, OpenAI y PwC formalizan una alianza para automatizar flujos financieros con agentes de IA. El dato interesante no es la tecnología — es que PwC pone su marca y reputación regulatoria detrás de agentes autónomos tocando contabilidad y reportes. Cuando una Big Four dice que confía en agentes de IA para funciones de CFO, el mensaje al mercado enterprise es claro. Y Big Tech valida la apuesta: resultados trimestrales superan expectativas y responden subiendo capex en infraestructura de IA. No están celebrando — están duplicando. La pregunta para founders: si el pricing por token se vuelve estándar en toda herramienta con IA, ¿tu modelo de negocio absorbe esa variabilidad o la transfiere al cliente? #CuliacanAI #AIpricing

• 
  Miguel Ángel | GptZone (@MiguelMaestroIA) reportó hace 26 minutos

  Más de 8.5k estrellas en GitHub, gratis y open source. Retención completa del contexto y la memoria. No tendrás que volver a intentarlo para obtener una respuesta que deberías haber obtenido al primer intento. Funciona con ChatGPT, Claude Code, Gemini, MiniMax, Perplexity, Midjourney y cualquier herramienta de IA que le añadas.

• 
  Darwinglish (@SoyDarwinglish) reportó hace 28 minutos

  En GitHub o Jira, un Issue puede ser: 🔹 un bug 🔹 una mejora 🔹 una tarea 🔹 una pregunta 🔹 algo pendiente de revisar Por ejemplo: ✅ “I created an issue for the login bug.” Aquí sí está relacionado con un bug. Pero: ✅ “Can you open an issue for this improvement?” Aquí no es un problema. Es una mejora que quieren documentar.

• 
  tpx Security ⠠⠵ (@tpx_Security) reportó hace 29 minutos

  Se ha revelado la vulnerabilidad de severidad alta CVE-2026-3854 (CVSS 8.8) que afecta a GitHub Enterprise Server. La falla radica en la falta de sanitización de las opciones proporcionadas por el usuario durante una operación git push. Esto permite a un atacante inyectar metadatos en los encabezados de servicios internos, logrando la ejecución remota de código (RCE) en los servidores backend y eludiendo los mecanismos de aislamiento (sandboxing), lo que representa un grave riesgo de compromiso cruzado.

• 
  Ernesto 🇨🇱🇦🇶 (@gnapse) reportó hace 32 minutos

  @galislab La rama en sí no la tiene. El PR en GitHub es el que tiene la info. Pero branch ≠ pull request. Los commits sí tienen la info, pero es un paso adicional para buscarla. Anyway, no es que sea de gran ayuda, pero no veo por qué alguien perdería mi respeto por eso.

• 
  Freddy Montes (@fmontes) reportó hace 33 minutos

  En tres semanas, las tres empresas que definen cómo escribimos código movieron sus herramientas fuera del editor. Google: mató Gemini CLI, convirtió Antigravity de IDE en sistema agéntico. Cursor: rediseñó y su editor ya no parece un editor. GitHub: sacó la Copilot app. Una app de desarrollo que corre fuera de VS Code. El dueño del IDE más usado del mundo construyendo algo que no es un IDE. Mirá la forma, no los nombres. El editor era un lugar donde vos escribías código. Lo que lo reemplaza es un lugar donde vos dirigís y los agentes escriben, en paralelo. La herramienta misma te está cambiando el rol: de autor a orquestador. Y GitHub lo dijo sin filtro: están armando "Agent HQ", un panel para orquestar agentes de Anthropic, OpenAI y Google bajo una misma suscripción. El futuro que venden no es un mejor editor. Es vos dirigiendo agentes. Acá está el problema. Si tu forma de trabajar está pegada a una herramienta, cada rediseño te resetea. Aprendiste Cursor, lo cambian. Te acostumbraste a Gemini CLI, lo matan. La salida no es elegir mejor herramienta. Es tener un sistema propio que ninguna herramienta te pueda mover: tu proceso, tu contexto, tu criterio de qué delegás y qué no. Eso es lo que armamos en el workshop. En dos días, 22 y 23 de mayo, con @domini_code [link abajo]

• 
  🤖 (@fluyeporlaIA) reportó hace 34 minutos

  Hay un paper del MIT CSAIL que está poniendo en duda una de las tendencias más fuertes de los últimos meses. En vez de seguir empujando context windows cada vez más grandes, proponen un enfoque diferente: almacenar los documentos fuera del modelo como variables de Python. El modelo no resume. Escribe código (regex, slicing, navegación) para recuperar solo las partes relevantes, lanza instancias paralelas cuando hace falta y sintetiza al final. Según los benchmarks que muestran, consiguen resultados muy superiores en tareas de contexto largo (incluso llegando a manejar 10M de tokens) sin perder información por compresión. El código está open source en GitHub. Esto choca bastante con la dirección actual de la industria (1M, 2M, 10M tokens de contexto). La tesis es que el contexto masivo tiene un problema de “context rot” y que la recuperación selectiva mediante código es más eficiente y preciso. Si esto escala bien, podría cambiar cómo diseñamos sistemas de agents que necesitan procesar grandes volúmenes de información sin degradación.

• 
  Toni Soriano (@cloudstudio_es) reportó hace 38 minutos

  Microsoft está retirando las licencias internas de Claude Code para empujar a sus desarrolladores a GitHub Copilot CLI. El motivo oficial es consolidación estratégica. El real: cierre de año fiscal y ahorro de costes. Y es que Claude Code era demasiado popular entre los propios devs de Microsoft. El problema es que Copilot CLI todavía va por detrás en prestaciones. Ahora toca al equipo de GitHub ponerse las pilas. Me parece una señal clara de que la guerra de herramientas de IA también se libra dentro de las empresas.

• 
  CopyRebeldia (@CopyRebeldia) reportó hace 40 minutos

  Sigues pagando 10, 15, 20 suscripciones al mes. Para casi todas existe una alternativa open-source que funciona igual o mejor. Gratis. El problema nunca fue que no existieran. El problema era encontrarlas sin perder tres horas en GitHub. Este sitio te deja buscar proyectos open-source por categoría, lenguaje y popularidad en segundos. Sin cuenta. Sin pagar. Guarda esto antes de renovar otra suscripción.

• 
  Nicolás Schürmann (@_nasch_) reportó hace 42 minutos

  Tengo un flujo de trabajo con agentes desde mi teléfono y mi modelo local LLM corriendo en un servidor que me tiene vuelto loco. Le doy órdenes en la calle y luego de un rato reviso en github. Me encanta.

• 
  Deivinson Tejeda (@DeivinsonTejeda) reportó hace 42 minutos

  Github esta ridiculamente lento... días con varios problemas.

• 
  ✦ VISUAL AI ✦ (@VisualconAI) reportó hace 45 minutos

  HICIERON UN CAPCUT GRATIS Y SIN MARCAS DE AGUA, Y TIENE 55K STARS EN GITHUB CapCut te mete marca de agua, te bloquea funciones y encima te cobra suscripción. Un grupo de devs se cansó y construyó la alternativa open source. → Editor de vídeo completo, sin marcas de agua ni paywalls → Compatible con web, escritorio y móvil → Open source con licencia MIT → Servidor MCP incluido para agentes de IA → Se está reescribiendo en Rust desde cero con API, plugins y scripting Se llama OpenCut y es exactamente lo que CapCut debería haber sido desde el principio. Te lo explico abajo (link de la repoo también)

• 
  Diana Pinto (@soydianapinto) reportó hace 45 minutos

  👩‍💻 Soy Diana Pinto. Creer que subir absolutamente todos los archivos de tu proyecto a GitHub es inofensivo solo te dejará con un repositorio lento, pesado y vulnerable a graves fugas de seguridad.

• 
  Jin dominicano 2.0 (@pokemaicratero) reportó hace 52 minutos

  @cabrerabenavent @NicoCubito @TanatoPiarda un repositorio en github no cuesta dinero, un hilo en reddit explicando paso a paso como puedes hacer tu tu propio servidor no cuesta dinero, lo que se pide es que no maten el juego y que si te da la **** gana, en 20 años puedas TU crear tu servidor desde 0 y jugar con otros

• 
  Facundo Pascual (@PascualInvest) reportó hace 53 minutos

  $MSFT : Es una buena oportunidad hoy a largo plazo? Microsoft cotiza hoy a $411, casi 26% por debajo de sus máximos de mediados de 2025. Para la mayoría de los inversores eso suena a problema. Para mí suena a contexto que vale la pena entender antes de sacar conclusiones. El negocio que hay detrás del precio: Las métricas operativas de Microsoft no reflejan una empresa en dificultades. El margen bruto es 68.3%, el margen EBIT 46.8%, el ROE 34% y el ROIC 27.4%. Estos no son números de una empresa que está perdiendo relevancia competitiva, son números de un negocio con ventajas estructurales que se han profundizado con el tiempo, no erosionado. El crecimiento forward a dos años proyecta ingresos al 16.8% CAGR, EBITDA al 21.3% y EPS al 19.1%. Una empresa de $3 trillons de market cap creciendo earnings casi al 20% anual no es una empresa cara en términos relativos, es una empresa que el mercado está evaluando con el múltiplo de una utility cuando el perfil de crecimiento es el de una plataforma tecnológica en expansión. Por qué cayó y qué dice eso: La corrección de $550 a $360 entre mediados de 2025 y marzo 2026 fue una de las más pronunciadas de los últimos años para Microsoft. Las razones fueron varias y vale separarlas. Primero, la preocupación genuina sobre si el capex masivo en IA, que para Microsoft supera los $80B anuales, va a generar los retornos que justifican la inversión. Segundo, la desaceleración relativa en el crecimiento de Azure frente a las expectativas que el mercado había construido durante el rally de 2024. Tercero, el contexto macro de tasas altas que comprimió múltiplos en toda la categoría de software de alta calidad. Lo que el mercado no está procesando bien es que ninguno de esos factores cambia la posición competitiva estructural de Microsoft. Azure sigue siendo el segundo cloud del mundo con crecimiento de doble dígito alto. El segmento de Productivity and Business Processes, que incluye Office 365, Teams y LinkedIn, tiene una base de ingresos recurrentes que ningún competidor puede replicar en el corto plazo. Y GitHub Copilot, con más de 15 millones de usuarios de pago, es la adopción de IA empresarial más concreta y medible del mercado. La tesis de largo plazo y por qué sigue intacta: Microsoft tiene algo que muy pocas empresas en el mundo tienen: tres negocios distintos que son cada uno líderes en su categoría y que se refuerzan mutuamente. Azure es la infraestructura. Office y Teams son la capa de productividad. Y la integración de Copilot en ambas capas es el vector de monetización de IA más avanzado del mercado empresarial. La relación con OpenAI, que el mercado sobrereaccionó cuando se renegociaron los términos, sigue siendo estratégicamente valiosa. Microsoft no necesita poseer OpenAI para beneficiarse de los modelos, necesita que Azure sea la infraestructura donde esos modelos corren y que Copilot sea la interfaz donde las empresas los consumen. Eso sigue siendo exactamente así. El Fwd PE de 22.5x con crecimiento de EPS al 19% CAGR implica un PEG de aproximadamente 1.2x. Para el S&P 500 en promedio ese ratio está cerca de 2x. Microsoft cotiza con descuento de calidad respecto al índice, lo que históricamente ha sido una oportunidad de entrada, no una señal de alerta. Lo que hay que monitorear: Hay dos variables que definen si la tesis se confirma o se deteriora en los próximos cuatro trimestres. La primera es el crecimiento de Azure, específicamente si la aceleración que el management prometió para la segunda mitad del año fiscal se materializa en los números. La segunda es la conversión de Copilot de producto de adopción temprana a línea de ingresos material. Microsoft reportó $13B en ingresos anualizados de Copilot hace pocos trimestres y ese número tiene que seguir creciendo para que el múltiplo actual se justifique sin necesidad de expansión adicional. El MktCap/FCF de 67x es el número que más me incomoda y hay que nombrarlo con honestidad. Es elevado incluso para Microsoft, y refleja que el mercado está capitalizando crecimiento futuro de FCF que todavía no está en los estados financieros. Si el capex en IA no se traduce en expansión de márgenes en los próximos dos años, ese múltiplo va a tener que comprimirse. Mi conclusión: A $411 con 22.5x Fwd PE, 27% de ROIC, tres negocios líderes en sus categorías y la plataforma de IA empresarial más adoptada del mercado, el perfil de riesgo retorno de largo plazo es asimétrico a favor del inversor paciente. El riesgo no es que Microsoft pierda relevancia. El riesgo es que el capex masivo en IA tarde más de lo esperado en traducirse en FCF. Y ese es un riesgo que creo vale la pena asumir cuando el precio de entrada es este y no el de $555.

• 
  precis0x (@precisox) reportó hace 56 minutos

  NVIDIA acaba de abrir el código de SkillSpector, una de las herramientas más importantes que han salido últimamente para la seguridad en agentes de IA. La gente está descargando “skills” de GitHub para usarlos en Claude Code, Codex, Gemini y otros agentes. El problema es que estos skills no son solo prompts: traen instrucciones + código ejecutable que corre con los mismos permisos que tienes tú. Un skill que instalas “para ahorrar tiempo” puede leer tus variables de entorno, robar tus API keys o enviar información sin que te des cuenta. Un estudio reciente encontró que aproximadamente 1 de cada 4 skills públicos tiene vulnerabilidades, y una parte de ellos son directamente maliciosos. SkillSpector cierra ese hueco. Es un escáner de seguridad que te responde una pregunta clave antes de instalar cualquier skill: ¿esto es seguro de ejecutar? Funciona con: - Enlaces de GitHub - Zips - Carpetas locales - Archivos .md individuales Hace un análisis estático rápido (detecta patrones peligrosos, inyecciones, exfiltración de datos, etc.) y compara las dependencias contra CVEs en tiempo real. Opcionalmente usa un LLM para revisar la intención y reducir falsos positivos. Al final te da un score de riesgo del 0 al 100 + un veredicto claro: Safe / Caution / Do Not Install. Es open source (Apache 2.0) y ya soporta Claude Code, Codex CLI y Gemini. Antes de confiar en el próximo skill que encuentres por ahí escanéalo primero. Repo en los comentarios👇

• 
  José Conti (@josecontic) reportó hace 57 minutos

  Dentro de poco liberaré un plugin primero en GitHub y luego lo subiré a WordPressORG Lo hago así para que quien quiera lo pruebe antes a ver si hay algún error o fallo, y así llegará bien al repositorio.

• 
  Cristian Aboitiz | Abogado penalista | CABA y GBA (@abogadoaboitiz) reportó hace 57 minutos

  Un escrito de consumo puede parecer perfecto y estar jurídicamente mal. 3 errores comunes: - Seguir usando el tope fijo del art. 52 bis LDC. - Aplicar la prescripción del art. 50 LDC para la acción resarcitoria. - No detectar qué fuero corresponde según jurisdicción y monto. El problema es usar una IA que no conoce derecho argentino. Actualicé Claude for legal Argentina 🇦🇷 con un módulo de derecho del consumidor. - Ley de Defensa del Consumidor. - CCCN. - DNU 70/2023. - Ley 27.701. - Jurisprudencia verificada. Subís los hechos. El sistema analiza la relación de consumo, detecta la vía posible, marca vacíos probatorios y te avisa qué falta antes de redactar. Si no encuentra respaldo, no inventa: Marca: [VACÍO PROBATORIO] [VERIFICAR VIGENCIA] [INSERTAR FALLO VERIFICADO] Incluí modelos de: - Daño punitivo. - Amparos contra aumentos de prepaga. - Garantía legal. - Cartas documento. - Reclamos administrativos. 👇 GitHub en comentarios