การผสานรวมด้วย AI

เอกสาร 2328.io ถูกออกแบบให้เป็น LLM-friendly คุณสามารถส่งเอกสารอ้างอิง API ทั้งหมดให้ผู้ช่วย AI สมัยใหม่ตัวใดก็ได้ และให้มันสร้างการ integrate ที่ใช้งานได้ในภาษาที่คุณเลือก — PHP, Node.js, Python, Go, Rust — ภายในไม่กี่นาทีแทนที่จะเป็นชั่วโมง

หน้านี้อธิบายวิธีทำอย่างมีประสิทธิภาพ

ทำไมจึงควรใช้ AI ในการ integrate

• เริ่มต้นได้เร็วขึ้น — ข้าม boilerplate ตรงไปยัง business logic
• การลงลายเซ็นที่ถูกต้อง — AI สามารถสร้างการลงลายเซ็น HMAC-SHA256 ได้อย่างน่าเชื่อถือในทุกภาษา
• ตัวจัดการ Webhook — สร้างการตรวจสอบลายเซ็นและตัวจัดการแบบ idempotent ได้ในทันที
• ทันสมัย — llms-full.txt ของเราถูก regenerate ทุกครั้งที่อัปเดตเอกสาร คุณจึงได้ schema ปัจจุบันเสมอ

เอกสารที่อ่านได้ด้วยเครื่อง

เราเผยแพร่ endpoint สามตัวตามมาตรฐาน llmstxt.org:

ทุกหน้า HTML ยังเปิดเผย <link rel="alternate" type="text/markdown"> ที่ชี้ไปยังเวอร์ชัน Markdown เพื่อให้ AI crawler ค้นพบโดยอัตโนมัติ

เริ่มต้นอย่างรวดเร็วด้วย Claude หรือ ChatGPT

ขั้นที่ 1 — ส่งเอกสารให้

เปิดแชตใหม่และวางเนื้อหาของ llms-full.txt เป็นข้อความแรก หรือเพียงแบ่งปันลิงก์ถ้าโมเดลสามารถ fetch ได้

ขั้นที่ 2 — อธิบาย stack ของคุณ

บอกผู้ช่วยว่าคุณกำลังสร้างอะไร:

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.

ขั้นที่ 3 — รีวิวและทดสอบ

ผู้ช่วยจะสร้าง controller, service class และ webhook handler ก่อนนำไปใช้:

• ตรวจสอบว่า apiSign() เข้ารหัส body เป็น Base64 ก่อน HMAC-SHA256
• ตรวจสอบว่าตัวจัดการ Webhook เรียก hash_equals() (ไม่ใช่ ===) เพื่อเปรียบเทียบลายเซ็น
• ตรวจสอบว่าตัวจัดการเป็นแบบ idempotent — ตรวจ order_id / txid ก่อนเครดิต
• ทดสอบด้วยการชำระเงินจริงจำนวนเล็กน้อยบนสภาพแวดล้อม dev ก่อน

การ integrate กับ IDE

Cursor

เพิ่มเอกสารเป็น docs source ใน Cursor settings:

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

จากนั้นในแชต ขึ้นต้นคำถามด้วย @2328.io:

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

GitHub Copilot

Copilot Chat สามารถอ่าน llms-full.txt ได้โดยตรง:

#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 / ผู้ช่วยอื่น ๆ

ผู้ช่วยใด ๆ ที่รองรับการแนบ URL หรือไฟล์ก็ใช้วิธีเดียวกัน — แนบ llms-full.txt แล้วอธิบายเป้าหมายของคุณ

Claude API (Agent SDK)

หากคุณกำลังสร้าง agent หรือ chatbot ของคุณเองที่ต้องโต้ตอบกับ 2328.io ให้ inject เอกสารหนึ่งครั้งเข้าไปใน 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)

ตัวอย่าง prompt ที่ใช้ได้ดี

คัดลอกเหล่านี้ไปยัง Claude, ChatGPT หรือ AI IDE ของคุณหลังจากแบ่งปัน llms-full.txt:

Full 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.

Payout 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.

Static wallet for user deposits:

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.

แนวปฏิบัติที่ดีสำหรับการ integrate ที่ใช้ AI ช่วย

• เริ่มจาก llms-full.txt — ออกแบบมาเพื่อ context ของ LLM โดยไม่มี boilerplate
• เจาะจงเกี่ยวกับ stack ของคุณ — framework, เวอร์ชันภาษา, ORM
• ขอเทสต์ — AI ทำได้ดีในการสร้าง unit test สำหรับ logic การลงลายเซ็น
• ตรวจสอบการจัดการ error อย่างละเอียด — บางครั้ง AI ข้ามเส้นทางการล้มเหลว
• รีวิวโค้ดลายเซ็นด้วยตนเอง — นี่เป็นส่วนเดียวที่ต้องถูกต้องเป๊ะ ๆ
• รีเฟรชเป็นระยะ — ถ้า API ของเราเปลี่ยน ให้ refetch llms-full.txt แล้ว prompt ใหม่