Sign in
Introduktion/AI-integration

AI-integration

Integrera 2328.io i din applikation på några minuter med AI-assistenter som Claude, ChatGPT, Cursor och GitHub Copilot.

Dokumentationen för 2328.io är byggd för att vara LLM-vänlig. Du kan ge hela API-referensen till valfri modern AI-assistent och få den att generera en fungerande integration på det språk du väljer — PHP, Node.js, Python, Go, Rust — på minuter istället för timmar.

Den här sidan förklarar hur du gör det effektivt.

Varför använda AI för integration

  • Snabbare onboarding — hoppa över boilerplate och gå direkt till affärslogiken
  • Korrekt signering — AI återskapar tillförlitligt HMAC-SHA256-signering på vilket språk som helst
  • Webhook-hanterare — generera signaturverifiering och idempotenta hanterare direkt
  • Aktuella — vår llms-full.txt regenereras vid varje dokumentationsuppdatering, så du får alltid aktuella scheman

Maskinläsbar dokumentation

Vi publicerar tre endpoints enligt standarden llmstxt.org:

EndpointSyfte
/llms.txtKort index över all dokumentation med länkar
/llms-full.txtHela dokumentationen som en enda fil — klistra in i din AI-chatt
/md/{locale}/{slug}Vilken sida som helst som rå Markdown

Varje HTML-sida exponerar också <link rel="alternate" type="text/markdown"> som pekar på dess Markdown-version, så att AI-crawlers upptäcker den automatiskt.

Snabbstart med Claude eller ChatGPT

Steg 1 — Tillhandahåll dokumentationen

Öppna en ny chatt och klistra in innehållet från llms-full.txt som ditt första meddelande, eller dela bara länken om modellen kan hämta den.

Steg 2 — Beskriv din stack

Berätta för assistenten vad du bygger:

Text
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.

Steg 3 — Granska och testa

Assistenten producerar en controller, en service-klass och en webhook-hanterare. Innan du publicerar:

  • Verifiera att apiSign() kodar bodyn som Base64 innan HMAC-SHA256
  • Kontrollera att webhook-hanterare anropar hash_equals() (inte ===) för att jämföra signaturer
  • Säkerställ att hanteraren är idempotent — kontrollera order_id / txid innan kreditering
  • Testa med en liten riktig betalning i en dev-miljö först

Skicka aldrig AI-genererad betalningskod i produktion utan att granska signerings- och webhook-verifieringslogiken. Det är de kritiska säkerhetsgränserna.

IDE-integrationer

Cursor

Lägg till dokumentationen som en anpassad dokumentationskälla i Cursor-inställningarna:

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

I chatten prefixar du sedan din fråga med @2328.io:

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

GitHub Copilot

Copilot Chat kan läsa llms-full.txt direkt:

Text
#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 / andra assistenter

Alla assistenter som stöder en URL-kontext eller filbilaga fungerar på samma sätt — bifoga llms-full.txt och beskriv ditt mål.

Claude API (Agent SDK)

Om du bygger din egen agent eller chattbot som behöver interagera med 2328.io, injicera dokumentationen en gång i system-prompten:

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)

Hela dokumentationsfilen är ~15 KB — väl under varje modern modells kontextgräns. Du kan cacha den lokalt och uppdatera den en gång om dagen.

Exempelprompter som fungerar bra

Kopiera dessa till Claude, ChatGPT eller din AI-IDE efter att du delat llms-full.txt:

Komplett backend-integration:

Text
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.

Uttagsverktyg:

Text
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.

Statisk plånbok för användarinsättningar:

Text
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.

Bästa praxis för AI-assisterad integration

  • Börja från llms-full.txt — den är designad för LLM-kontext, ingen boilerplate
  • Var specifik om din stack — ramverk, språkversion, ORM
  • Be om tester — AI är bra på att generera enhetstester för signeringslogik
  • Dubbelkolla felhantering — AI hoppar ibland över felvägar
  • Granska signaturkod manuellt — det är den enda delen som måste vara helt rätt
  • Uppdatera regelbundet — om vårt API ändras, hämta llms-full.txt på nytt och prompta igen