# KI-Integration

> Integrieren Sie 2328.io mithilfe von KI-Assistenten wie Claude, ChatGPT, Cursor und GitHub Copilot in wenigen Minuten in Ihre Anwendung.

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](https://llmstxt.org):

| Endpoint | Zweck |
|----------|-------|
| [`/llms.txt`](https://doc.2328.io/llms.txt) | Kurzes Inhaltsverzeichnis aller Docs mit Links |
| [`/llms-full.txt`](https://doc.2328.io/llms-full.txt) | Vollständige Dokumentation als einzelne Datei — fügen Sie diese in Ihren KI-Chat ein |
| [`/md/{locale}/{slug}`](https://doc.2328.io/md/en/payments) | Beliebige Seite als rohes Markdown |

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`](https://doc.2328.io/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

> **WARNING:** Bringen Sie KI-generierten Zahlungs-Code niemals ins Produktivsystem, ohne die Logik zur Signierung und Webhook-Verifizierung zu prüfen. Dies sind die kritischen Sicherheitsgrenzen.

## 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:

```python
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)
```

> **INFO:** Die vollständige Doku-Datei ist ca. 15 KB groß — deutlich unter dem Kontextlimit jedes modernen Modells. Sie können sie auf Ihrer Seite zwischenspeichern und einmal pro Tag aktualisieren.

## 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