Ingeniero de Selectel Mostró Agente LLM para Selección Automática de Dominios Disponibles

Подбор доменного имени можно превратить из бесконечного ручного перебора в короткий автоматический сценарий: LLM придумывает варианты, а скрипт сразу проверяет их доступность и отбрасывает занятые. Именно такой пет-проект описал инженер Selectel, собрав простой сервис для тех случаев, когда нужно быстро запустить бренд, продукт или лендинг и не тратить часы на поиск свободного адреса. Логика проекта строится вокруг вполне приземленной проблемы.

В популярных зонах вроде .com, .ru, .

io и .org пространство давно перегрето: по данным, на которые ссылается автор, только в .com зарегистрировано больше 160 миллионов доменов.

Самые короткие и понятные имена разобраны, а хорошие варианты часто либо заняты, либо выставлены на перепродажу. В результате новые проекты скатываются в компромиссы: добавляют цифры, лишние буквы, дефисы или уходят в менее привычные зоны. Индекс доменного рынка, который приводит автор, также показывает, что активность в популярных зонах за последние три года выросла примерно втрое.

Это бьет не только по узнаваемости, но и по доверию: адрес должен легко читаться, запоминаться и без ошибок набираться с клавиатуры. Автор отдельно связывает дефицит нормальных доменов с вопросами безопасности. Когда красивое имя уже занято, компании и пользователи привыкают к адресам-подделкам, зеркалам и сомнительным вариациям, а это благодатная среда для фишинга и тайпосквоттинга.

В статье приводятся примеры доменов, отличающихся от оригинала одной цифрой или буквой, а также вспоминаются более крупные кейсы, где атакующие разворачивали сотни поддельных адресов под громкие события. На этом фоне хороший домен перестает быть чисто эстетическим выбором: это еще и способ снизить риск ошибок, путаницы и потери доверия у пользователя. Сам сервис реализован на Python и состоит из двух шагов.

Сначала пользователь задает описание проекта, желаемые доменные зоны и число вариантов. Чем точнее исходный запрос, тем осмысленнее получается выдача: узкое описание продукта дает более пригодные имена, чем абстрактные категории вроде «финтех» или «маркетплейс». Затем LLM через OpenAI-совместимый API генерирует список названий по жесткому промпту: короткие, запоминающиеся, без лишних символов и только в указанных TLD.

После этого второй модуль прогоняет каждый вариант через python-whois. Если в ответе WHOIS есть сведения о домене, регистраторе или дате создания, адрес считается занятым; если сервис возвращает пустой ответ или сообщения вроде not found, вариант помечается как свободный. Чтобы не ждать слишком долго, проверка идет параллельно в десяти потоках, и весь цикл обычно укладывается примерно в 10–30 секунд.

Поверх этого конвейера автор добавил минималистичный веб-интерфейс: поле с описанием проекта, выбор доменных зон, счетчик количества результатов и кнопку запуска. После отправки формы система возвращает уже проверенный список с пометками «свободен» или «занят». В тестах для запроса про бизнес-коучинг в Москве сервис, например, нашел свободный вариант bizmoscow.

org, а для магазина кофейной продукции в Саратове предложил еще несколько пригодных имен в зонах .store, .shop и .

ru. Сам автор не пытается представить проект как законченный продукт: это скорее рабочий прототип, который можно развивать тонкой настройкой промптов, дополнительными фильтрами и более аккуратной логикой оценки качества названий. Смысл этого проекта не в том, что ИИ внезапно решил проблему доменного дефицита, а в том, что он хорошо снимает скучную часть процесса.

LLM здесь выступает генератором идей, а WHOIS — быстрым фильтром реальности. Для стартапов, соло-разработчиков и маленьких команд такой подход может сэкономить время на старте и сократить число бессмысленных проверок вручную, особенно когда нужен не идеальный домен на века, а просто внятный и свободный адрес для запуска.