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.txtregenereras vid varje dokumentationsuppdatering, så du får alltid aktuella scheman
Maskinläsbar dokumentation
Vi publicerar tre endpoints enligt standarden llmstxt.org:
| Endpoint | Syfte |
|---|---|
/llms.txt | Kort index över all dokumentation med länkar |
/llms-full.txt | Hela 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:
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/txidinnan 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:
Settings → Features → Docs → Add new doc
URL: https://doc.2328.ioI chatten prefixar du sedan din fråga med @2328.io:
@2328.io generate a webhook handler in Next.js App Router
with signature verification and idempotent credit logicGitHub Copilot
Copilot Chat kan läsa llms-full.txt direkt:
#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:
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:
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:
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:
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.txtpå nytt och prompta igen