KI-Integration

Die Dokumentation von 2328.io ist LLM-freundlich aufgebaut. Sie können die gesamte API-Referenz an einen modernen KI-Assistenten übergeben und sich daraus in der Sprache Ihrer Wahl — PHP, Node.js, Python, Go, Rust — eine funktionierende Integration generieren lassen, in Minuten statt Stunden.

Diese Seite erklärt, wie Sie das effizient tun.

Warum KI für die Integration nutzen

• Schnelleres Onboarding — überspringen Sie den Boilerplate und gehen Sie direkt zur Geschäftslogik
• Korrekte Signierung — KI reproduziert HMAC-SHA256-Signierung in jeder Sprache zuverlässig
• Webhook-Handler — Signaturprüfung und idempotente Handler werden direkt mitgeneriert
• Aktuell — unsere llms-full.txt wird bei jeder Aktualisierung der Docs neu erzeugt, sodass Sie stets die aktuellen Schemata erhalten

Maschinenlesbare Dokumentation

Wir veröffentlichen drei Endpoints nach dem Standard von llmstxt.org:

Jede HTML-Seite stellt zudem ein <link rel="alternate" type="text/markdown"> bereit, das auf die Markdown-Version verweist, sodass KI-Crawler sie automatisch finden.

Schnellstart mit Claude oder ChatGPT

Schritt 1 — Dokumentation bereitstellen

Öffnen Sie einen neuen Chat und fügen Sie den Inhalt von llms-full.txt als erste Nachricht ein, oder teilen Sie einfach den Link, wenn das Modell ihn abrufen kann.

Schritt 2 — Beschreiben Sie Ihren Stack

Teilen Sie dem Assistenten mit, was Sie bauen:

Ich baue eine Laravel-11-Anwendung. Ich benötige:
1. Eine Zahlung für eine Bestellung erstellen (Betrag in USD, der Nutzer zahlt in USDT TRC20)
2. Den Webhook verarbeiten und das Guthaben des Nutzers gutschreiben
3. Zahlungseinträge in einer `payments`-Tabelle speichern

Verwende die obige 2328.io API. Beziehe HMAC-Signierung, Webhook-Signaturprüfung
und Idempotenz mit ein.

Schritt 3 — Prüfen und testen

Der Assistent erstellt einen Controller, eine Service-Klasse und einen Webhook-Handler. Vor dem Ausrollen:

• Überprüfen Sie, dass apiSign() den Body in base64 codiert, bevor HMAC-SHA256 angewendet wird
• Achten Sie darauf, dass Webhook-Handler hash_equals() (nicht ===) zum Vergleich von Signaturen verwenden
• Stellen Sie sicher, dass der Handler idempotent ist — prüfen Sie order_id / txid, bevor Sie gutschreiben
• Testen Sie zuerst mit einer kleinen echten Zahlung in einer Dev-Umgebung

IDE-Integrationen

Cursor

Fügen Sie die Docs als benutzerdefinierte Doc-Quelle in den Cursor-Einstellungen hinzu:

Settings → Features → Docs → Add new doc
URL: https://doc.2328.io

Im Chat stellen Sie Ihrer Frage dann @2328.io voran:

@2328.io generate a webhook handler in Next.js App Router
with signature verification and idempotent credit logic

GitHub Copilot

Copilot Chat kann llms-full.txt direkt einlesen:

#fetch https://doc.2328.io/llms-full.txt

Using the 2328.io API docs above, implement a payout endpoint
in Express that withdraws USDT BEP20 to a user-supplied address.

Windsurf / Continue / andere Assistenten

Jeder Assistent, der einen URL-Kontext oder Datei-Anhänge unterstützt, funktioniert nach demselben Schema — hängen Sie llms-full.txt an und beschreiben Sie Ihr Ziel.

Claude API (Agent SDK)

Wenn Sie einen eigenen Agenten oder Chatbot bauen, der mit 2328.io interagieren soll, fügen Sie die Docs einmalig in den System-Prompt ein:

from anthropic import Anthropic
import urllib.request

docs = urllib.request.urlopen(
    "https://doc.2328.io/llms-full.txt"
).read().decode()

client = Anthropic()

response = client.messages.create(
    model="claude-opus-4-7",
    max_tokens=4096,
    system=f"""You are an integration assistant for 2328.io.
Use the API reference below to answer questions and generate code.

<docs>
{docs}
</docs>""",
    messages=[
        {"role": "user", "content": "Write a Python function that creates a USDT payment"}
    ],
)

print(response.content[0].text)

Beispiel-Prompts, die gut funktionieren

Kopieren Sie diese in Claude, ChatGPT oder Ihre KI-IDE, nachdem Sie llms-full.txt geteilt haben:

Vollständige Backend-Integration:

Build a Node.js + Express service that exposes two routes:
- POST /checkout → creates a 2328.io payment and returns the payment URL
- POST /webhook/2328 → verifies the signature and marks the order as paid
Use TypeScript, Zod for validation, and a simple in-memory store.

Auszahlungs-Tool:

Write a CLI in Go that takes a currency, network, amount, and address
and creates a payout via the 2328.io Payout API. Use a separate payout
API key from env. Poll the status endpoint until the payout is completed.

Statische Wallet für Nutzer-Einzahlungen:

I have a Django app where users deposit USDT TRC20 to top up their balance.
Each user should have a permanent deposit address. Implement this using
2328.io static wallets, including the webhook handler that credits their
balance when a deposit arrives.

Best Practices für KI-gestützte Integration

• Beginnen Sie mit llms-full.txt — sie ist für LLM-Kontext konzipiert, ohne Boilerplate
• Seien Sie konkret bezüglich Ihres Stacks — Framework, Sprachversion, ORM
• Bitten Sie um Tests — KI ist gut darin, Unit-Tests für Signier-Logik zu erzeugen
• Prüfen Sie Fehlerbehandlung doppelt — KI überspringt manchmal Fehlerpfade
• Signatur-Code manuell prüfen — dies ist der einzige Teil, der exakt korrekt sein muss
• Regelmäßig auffrischen — wenn sich unsere API ändert, holen Sie llms-full.txt erneut ab und prompten Sie erneut