Engenheiro da Selectel Apresentou Agente LLM para Seleção Automática de Domínios Disponíveis
Um engenheiro da Selectel descreveu um projeto pessoal para seleção de domínios sem iteração manual. O serviço em Python envia a descrição do produto para…
Processado por IA de Habr AI; editado por Hamidun News
A seleção de nomes de domínio pode ser transformada de uma iteração manual infinita em um cenário curto e automatizado: uma LLM gera opções, e um script verifica imediatamente sua disponibilidade e descarta as ocupadas. Exatamente esse é o pet project descrito por um engenheiro da Selectel, que montou um serviço simples para casos em que você precisa lançar rapidamente uma marca, produto ou landing page e não quer gastar horas procurando um endereço livre. A lógica do projeto gira em torno de um problema bem prático.
Em zonas populares como .com, .ru, .
io e .org, o espaço há muito está superaquecido: segundo dados citados pelo autor, apenas em .com existem mais de 160 milhões de domínios registrados.
Os nomes mais curtos e compreensíveis já foram tomados, e as boas opções muitas vezes estão ocupadas ou disponibilizadas para revenda. Como resultado, novos projetos recorrem a compromissos: adicionam números, letras extras, hífens ou migram para zonas menos familiares. O índice do mercado de domínios que o autor cita também mostra que a atividade em zonas populares cresceu aproximadamente três vezes nos últimos três anos.
Isso afeta não apenas o reconhecimento da marca, mas também a confiança: um endereço deve ser fácil de ler, lembrar e digitar sem erros do teclado. O autor especificamente vincula a escassez de domínios normais a questões de segurança. Quando um belo nome já está tomado, empresas e usuários se acostumam com endereços falsificados, espelhos e variações questionáveis, e isso é terreno fértil para phishing e typosquatting.
O artigo fornece exemplos de domínios que diferem do original por um único dígito ou letra, e também recorda casos maiores onde atacantes implantaram centenas de endereços falsos para eventos importantes. Diante disso, um bom domínio não é mais apenas uma escolha estética: é também uma forma de reduzir o risco de erros, confusão e perda de confiança do usuário. O próprio serviço é implementado em Python e consiste em duas etapas.
Primeiro, o usuário especifica uma descrição do projeto, as zonas de domínio desejadas e o número de opções. Quanto mais precisa a solicitação inicial, mais significativa é a saída: uma descrição de produto estreita gera nomes mais adequados do que categorias abstratas como "fintech" ou "marketplace". Então a LLM através de uma API compatível com OpenAI gera uma lista de nomes de acordo com um prompt rigoroso: curtos, memoráveis, sem caracteres desnecessários e apenas nos TLDs especificados.
Depois disso, o segundo módulo executa cada opção através de python-whois. Se a resposta WHOIS contém informações sobre o domínio, registrador ou data de criação, o endereço é considerado ocupado; se o serviço retorna uma resposta vazia ou mensagens como "not found", a opção é marcada como disponível. Para evitar esperas muito longas, a verificação é executada em paralelo em dez threads, e o ciclo completo geralmente leva cerca de 10–30 segundos.
No topo desse pipeline, o autor adicionou uma interface web minimalista: um campo para a descrição do projeto, seleção de zona de domínio, um contador para o número de resultados e um botão de inicialização. Após enviar o formulário, o sistema retorna uma lista já verificada com marcas indicando "disponível" ou "ocupado". Em testes para uma consulta sobre coaching empresarial em Moscou, o serviço encontrou, por exemplo, a opção disponível bizmoscow.
org, e para uma loja de produtos de café em Saratov ofereceu vários outros nomes adequados nas zonas .store, .shop e .
ru. O próprio autor não tenta apresentar o projeto como um produto acabado: é mais um protótipo funcional que pode ser desenvolvido através de ajuste fino de prompts, filtros adicionais e lógica mais cuidadosa para avaliar a qualidade do nome. O ponto deste projeto não é que a IA de repente resolveu o problema de escassez de domínio, mas que ela lida bem com a parte entediante do processo.
Aqui a LLM atua como geradora de ideias, e WHOIS como um filtro rápido da realidade. Para startups, desenvolvedores solo e pequenos times, essa abordagem pode economizar tempo no lançamento e reduzir o número de verificações manuais inúteis, especialmente quando você não precisa do domínio perfeito para sempre, mas simplesmente um endereço claro e disponível para lançamento.
Quer parar de ler sobre IA e começar a usar?
AI News é um feed curado de notícias de IA. A Hamidun Academy ensina você a usar IA no trabalho.