fak — প্রথম-পরিচয়ের FAQ (বাংলা)

এটি একটি স্থানীয়কৃত প্রবেশ-পৃষ্ঠা (entry point) — পুরো ডকুমেন্টেশনের অনুবাদ নয়। পূর্ণ ডকুমেন্টেশন ইংরেজিতে — এই পৃষ্ঠা প্রথম প্রশ্নগুলোর সংক্ষিপ্ত উত্তর দিয়ে আপনাকে ইংরেজি ডকস-এ পৌঁছে দেয়। দ্রষ্টব্য: এই অনুবাদ যন্ত্রে তৈরি; native পর্যালোচনা বাকি — সংশোধনের জন্য issue/PR খুলুন।

অন্যান্য পৃষ্ঠা: বাংলা প্রবেশ-পৃষ্ঠা · দ্রুত-শুরু · ইনস্টল · সম্পূর্ণ ভাষা-তালিকা i18n hub-এ।

Q1. fak কী?

একটিই static Go binary, যা আপনি ইতিমধ্যে চালানো AI এজেন্টের (Claude Code, Codex, Cursor — যেকোনো OpenAI/Anthropic/MCP client) সামনে বসিয়ে দেন, শুধু একটি base URL ঘুরিয়ে, কোনো rewrite ছাড়াই। এটি দীর্ঘ session সস্তা করে (পুরনো turns সরিয়ে দেয়, অথচ provider-এর prompt-cache prefix byte-identical রাখে), প্রতিটি tool call রুট করে, প্রয়োজনে local GGUF model in-process চালাতে পারে, আর প্রতিটি call-এর জন্য একটি auditable verdict লিখে রাখে।

Q2. আমাকে কি model বদলাতে বা এজেন্ট নতুন করে লিখতে হবে?

না। fak আপনার ইতিমধ্যে ব্যবহৃত model-কেই govern ও cache করে। এক কমান্ডে wrap করুন — fak guard -- claude — অথবা একটি base URL fak serve-এর দিকে ঘুরিয়ে দিন।

Q3. আমার ডেটা কোথায় যায় — এটি কি অনুবর্তী (compliant)?

self-host-first: একটি static binary যা একটি local model বা দেশীয় provider-এর সামনে বসে, সঙ্গে fail-closed residency, default-deny capability floor, আর প্রতিটি tool call-এর tamper-evident audit log। আপনার ডেটা আপনার মেশিন ছেড়ে বাইরে যায় না। এটি সরাসরি DPDP Act, 2023-এর data-residency চাহিদার সঙ্গে মেলে — ডেটা দেশের ভেতরেই থাকে, কোনো cross-border প্রবাহ নেই।

Q4. খরচ কত? এটি কি সত্যিই বিনামূল্যে?

Apache-2.0, বিনামূল্যে, self-host। কার্ড নেই, cross-border invoice নেই, entity নেই। খরচ টাকায় (₹) লাগে, অথচ কোনো ভেন্ডর-বিল নেই — git clone আর go install-ই পুরো পথ।

Q5. কতটা সস্তা বা দ্রুত?

মাপা একটি 50-turn × 5-agent session-এ, একটি TUNED warm-cache stack-এর তুলনায় প্রায় 4.1× কম কাজ — এটিই সৎ শিরোনাম-সংখ্যা, আর এটিই আপনার token-বিল টাকায় (₹) কমানোর সরাসরি লিভার। ~60× সংখ্যাটি (প্রায় ১৯ ঘণ্টা থেকে প্রায় ১৯ মিনিট) কেবল একটি naive re-send-everything loop-এর তুলনায় সত্য — কখনো শিরোনাম হিসেবে নয়। এই পুনর্ব্যবহারের সুবিধা কেবল self-host-এ, read-heavy fleet-এর জন্য।

Q6. কোন model চলে?

Qwen2/Qwen3 আর GLM-MoE in-kernel reference engine-এ bit-exact প্রমাণিত। বাকি সব (DeepSeek, Mistral, যেকোনো open-weights model) OpenAI-compatible wire-এ front হয় — Ollama / vLLM / SGLang / llama.cpp / LM Studio।

Q7. এটি prompt injection কীভাবে আটকায়?

দুটি structural gate, কোনো classifier নয়: একটি default-deny capability floor (বিপজ্জনক tool কখনো allow-list-এ থাকে না) আর result quarantine (বিষাক্ত tool result কখনো model-এর context-এ পৌঁছায় না)। live test-এ, injection অরক্ষিত baseline-এ পৌঁছেছিল 5/5, আর fak সেটি প্রাচীরবদ্ধ করেছে 5/5।

Q8. কীভাবে install করব?

go install github.com/anthony-chaudhary/fak/cmd/fak@latest, অথবা একটি clone থেকে go build -o fak ./cmd/fak। যদি proxy.golang.org অপ্রাপ্য হয়, তবে install-এর আগে একটি স্থানীয় Go module proxy সেট করুন (GOPROXY)।

Q9. এরপর কোথায়?

License: Apache-2.0।