O problema
Acompanhar canais de promoção para montar um PC é um trabalho de atenção que ninguém consegue manter. São centenas de mensagens por dia, o mesmo anúncio é copiado entre canais, e o produto certo aparece no meio de "PC gamer completo" e de placas de vídeo que só compartilham um número no nome. Quem lê tudo desiste; quem desiste perde a queda de preço real.
O que eu fiz
Um serviço que faz essa leitura no meu lugar e só me interrompe quando vale a pena.
Ele usa duas sessões do Telegram no mesmo processo, com papéis separados de propósito: a minha conta apenas lê os canais de origem — nunca envia, reage nem entra em canal automaticamente — e um bot escreve no meu canal privado de destino.
- Leituraa conta de usuário lê os canais de origem
- Normalizaçãosepara o título real do corpo e descarta cupom e link
- Pontuaçãode 0 a 100 contra a wishlist
- Extraçãopreço, cupom, loja e link
- Deduplicaçãoquatro chaves, cada uma com a sua janela
- Alertao bot publica no canal privado de destino
Cada mensagem passa por um pipeline curto:
- Normalização separa o título real do corpo, pulando enfeites como "Parceladinho" antes do nome do produto e descartando linhas de cupom e link. Foi essa etapa que acabou com um falso positivo teimoso: um código de cupom continha o modelo de um produto e casava com anúncios de outra coisa.
- Pontuação de 0 a 100 contra uma wishlist declarativa. SKU exato vale 100; termos obrigatórios no título valem mais do que no corpo; padrões de reforço somam; padrões de exclusão subtraem ou zeram. Acima de 70 é oferta, entre 40 e 69 chega marcada com o motivo da dúvida, abaixo de 40 é descartada.
- Extração de preço, cupom, loja e link.
- Deduplicação por quatro chaves com janelas diferentes, da mais literal (mesma mensagem reprocessada após restart) à mais semântica: produto + link + faixa de preço. A faixa é logarítmica de 2%, então R$ 249 e R$ 250 são a mesma oferta, mas uma queda de R$ 622 para R$ 508 volta a ser notícia.
Adicionar uma peça nova é editar um arquivo YAML. Nenhum Python precisa mudar.
defaults:
send_threshold: 70
review_threshold: 40
products:
- id: ryzen_5700x
name: "AMD Ryzen 7 5700X"
# …
skus: ["100-100000926WOF"]
require: ['\b5700\s?x\b']
boost:
'\bprocessador\b': 20
'\bryzen\b': 10
# …
exclude_hard:
- '\bpc\s+(gamer|completo|montado)\b'
- '\bcomputador\s+(completo|gamer)\b'
# …
exclude_soft:
- '\bkit\b'
- '\bcombo\b'
# …
Antes de ligar os alertas, há um conjunto de scripts de calibração que reproduz meses de histórico e responde quantos alertas por dia aquela configuração geraria — o volume é decidido com dados, não no susto.
Stack
Python 3.12, Telethon (MTProto), SQLite para histórico de preços e deduplicação, YAML
para a wishlist, rapidfuzz, e uma suíte de testes automatizados que roda sem tocar no
Telegram. Publicado como serviço systemd de usuário, com linger para sobreviver a
logout e subir no boot.
Resultado
Está no ar, rodando 24 horas por dia, e é o projeto que mais usa a palavra
"operação": tem serviço, logs, backup do histórico e comandos administrativos
(/lista, /status, /fontes, /historico) enviados pelo próprio canal de destino.
A parte que eu mais levo para outros projetos é a disciplina de segurança em volta do arquivo de sessão: ele é a credencial mais sensível do sistema, vive com permissão restrita fora do versionamento, e nada vai para o log sem máscara.
O código está público sob licença MIT. Credenciais, arquivo de sessão e a wishlist que eu uso ficam fora do versionamento: o que está publicado é o serviço, não a minha operação.