Integrazione con l'AI

La documentazione di 2328.io è progettata per essere LLM-friendly. Puoi fornire l'intero riferimento API a qualsiasi assistente AI moderno e farti generare un'integrazione funzionante nel linguaggio che preferisci — PHP, Node.js, Python, Go, Rust — in minuti invece che ore.

Questa pagina spiega come farlo in modo efficiente.

Perché usare l'AI per integrare

• Onboarding più rapido — salta il boilerplate, vai direttamente alla logica di business
• Firma corretta — l'AI riproduce in modo affidabile la firma HMAC-SHA256 in qualsiasi linguaggio
• Handler webhook — genera la verifica della firma e handler idempotenti pronti all'uso
• Sempre aggiornato — il nostro llms-full.txt viene rigenerato a ogni aggiornamento della documentazione, quindi ottieni sempre schemi attuali

Documentazione leggibile dalle macchine

Pubblichiamo tre endpoint conformi allo standard llmstxt.org:

Ogni pagina HTML espone inoltre <link rel="alternate" type="text/markdown"> che punta alla versione Markdown, in modo che i crawler AI la individuino automaticamente.

Avvio rapido con Claude o ChatGPT

Passo 1 — Fornisci la documentazione

Apri una nuova chat e incolla il contenuto di llms-full.txt come primo messaggio, oppure condividi semplicemente il link se il modello è in grado di recuperarlo.

Passo 2 — Descrivi il tuo stack

Indica all'assistente cosa stai costruendo:

I'm building a Laravel 11 application. I need to:
1. Create a payment for an order (amount in USD, user pays in USDT TRC20)
2. Handle the webhook and credit the user's balance
3. Store payment records in a `payments` table

Use the 2328.io API above. Include HMAC signing, webhook signature
verification, and idempotency.

Passo 3 — Revisiona e testa

L'assistente produrrà un controller, una classe service e un handler webhook. Prima di rilasciare in produzione:

• Verifica che apiSign() codifichi il body in Base64 prima di HMAC-SHA256
• Controlla che gli handler webhook chiamino hash_equals() (non ===) per confrontare le firme
• Assicurati che l'handler sia idempotente — verifica order_id / txid prima di accreditare
• Testa prima con un piccolo pagamento reale in un ambiente di sviluppo

Integrazioni IDE

Cursor

Aggiungi la documentazione come fonte di documentazione personalizzata nelle impostazioni di Cursor:

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

Quindi nella chat anteponi alla tua domanda il prefisso @2328.io:

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

GitHub Copilot

Copilot Chat è in grado di leggere direttamente llms-full.txt:

#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 / altri assistenti

Qualsiasi assistente che supporti un contesto URL o un allegato di file funziona allo stesso modo — allega llms-full.txt e descrivi il tuo obiettivo.

Claude API (Agent SDK)

Se stai costruendo un tuo agente o chatbot che deve interagire con 2328.io, inietta la documentazione una sola volta nel system prompt:

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)

Esempi di prompt che funzionano bene

Copia questi prompt in Claude, ChatGPT o nel tuo IDE AI dopo aver condiviso llms-full.txt:

Integrazione backend completa:

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.

Strumento per i prelievi:

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.

Wallet statico per i depositi degli utenti:

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 practice per l'integrazione assistita dall'AI

• Parti da llms-full.txt — è progettato per il contesto degli LLM, senza boilerplate
• Sii specifico sul tuo stack — framework, versione del linguaggio, ORM
• Chiedi i test — l'AI è brava a generare unit test per la logica di firma
• Verifica la gestione degli errori — a volte l'AI salta i percorsi di errore
• Revisiona manualmente il codice di firma — è l'unica parte che deve essere esattamente corretta
• Aggiorna periodicamente — se la nostra API cambia, riscarica llms-full.txt e riproponi il prompt