Integração com IA
Integre a 2328.io à sua aplicação em minutos usando assistentes de IA como Claude, ChatGPT, Cursor e GitHub Copilot.
A documentação da 2328.io foi feita para ser amigável a LLMs. Você pode entregar toda a referência da API a qualquer assistente de IA moderno e fazer com que ele gere uma integração funcional na linguagem de sua preferência — PHP, Node.js, Python, Go, Rust — em minutos, em vez de horas.
Esta página explica como fazer isso com eficiência.
Por que usar IA para integrar
- Onboarding mais rápido — pule o boilerplate e vá direto para a lógica de negócio
- Assinatura correta — a IA reproduz HMAC-SHA256 de forma confiável em qualquer linguagem
- Handlers de webhook — gere verificação de assinatura e handlers idempotentes prontos para uso
- Sempre atualizada — nosso
llms-full.txté regenerado a cada atualização da documentação, então você sempre obtém os esquemas atuais
Documentação legível por máquina
Publicamos três endpoints seguindo o padrão llmstxt.org:
| Endpoint | Finalidade |
|---|---|
/llms.txt | Índice curto de toda a documentação com links |
/llms-full.txt | Documentação completa em um único arquivo — cole isso no seu chat de IA |
/md/{locale}/{slug} | Qualquer página em Markdown bruto |
Toda página HTML também expõe <link rel="alternate" type="text/markdown"> apontando para sua versão Markdown, para que crawlers de IA a descubram automaticamente.
Início rápido com Claude ou ChatGPT
Passo 1 — Forneça a documentação
Abra um chat novo e cole o conteúdo de llms-full.txt como sua primeira mensagem, ou apenas compartilhe o link se o modelo conseguir fazer o fetch.
Passo 2 — Descreva sua stack
Diga ao assistente o que você está construindo:
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 — Revise e teste
O assistente vai produzir um controller, uma classe de service e um handler de webhook. Antes de subir para produção:
- Verifique se
apiSign()codifica o corpo em base64 antes do HMAC-SHA256 - Confira se os handlers de webhook chamam
hash_equals()(e não===) para comparar assinaturas - Garanta que o handler é idempotente — verifique
order_id/txidantes de creditar - Teste primeiro com um pagamento real pequeno em ambiente de desenvolvimento
Nunca coloque em produção código de pagamento gerado por IA sem revisar a lógica de assinatura e verificação de webhooks. Esses são os limites críticos de segurança.
Integrações com IDEs
Cursor
Adicione a documentação como uma fonte personalizada nas configurações do Cursor:
Settings → Features → Docs → Add new doc
URL: https://doc.2328.ioDepois, no chat, prefixe sua pergunta com @2328.io:
@2328.io generate a webhook handler in Next.js App Router
with signature verification and idempotent credit logicGitHub Copilot
O Copilot Chat consegue ler llms-full.txt diretamente:
#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 / outros assistentes
Qualquer assistente que aceite contexto via URL ou anexo de arquivo funciona da mesma forma — anexe llms-full.txt e descreva seu objetivo.
Claude API (Agent SDK)
Se você está construindo seu próprio agente ou chatbot que precisa interagir com a 2328.io, injete a documentação uma única vez no 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)O arquivo completo da documentação tem cerca de 15 KB — bem dentro do limite de contexto de qualquer modelo moderno. Você pode cacheá-lo do seu lado e atualizá-lo uma vez por dia.
Exemplos de prompts que funcionam bem
Cole estes prompts no Claude, ChatGPT ou na sua IDE de IA depois de compartilhar o llms-full.txt:
Integração completa de backend:
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.Ferramenta de saque:
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.Carteira estática para depósitos de usuários:
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.Boas práticas para integração assistida por IA
- Comece pelo
llms-full.txt— ele foi pensado para o contexto de LLMs, sem boilerplate - Seja específico sobre sua stack — framework, versão da linguagem, ORM
- Peça testes — a IA é boa em gerar testes unitários para a lógica de assinatura
- Confira o tratamento de erros — a IA às vezes pula caminhos de falha
- Revise o código de assinatura manualmente — esta é a única parte que precisa estar exatamente correta
- Atualize periodicamente — se nossa API mudar, refaça o fetch do
llms-full.txte reaplique o prompt