fak — quickstart (১০ মিনিটে একটি local model)

এটি একটি স্থানীয়কৃত প্রবেশ-পৃষ্ঠা (entry point) — পুরো ডকুমেন্টেশনের অনুবাদ নয়। পূর্ণ ডকুমেন্টেশন ইংরেজিতে — এই পৃষ্ঠা শুধু সবচেয়ে দ্রুত পথ, ৬০-সেকেন্ডের প্রমাণ আর পরের ধাপ দিয়ে আপনাকে ইংরেজি ডকস-এ পৌঁছে দেয়। দ্রষ্টব্য: এই অনুবাদ যন্ত্রে তৈরি; native পর্যালোচনা বাকি — সংশোধনের জন্য issue/PR খুলুন।

আরও: বাংলা পরিচিতি (README) · পূর্ণ ভাষা-তালিকা i18n hub-এ।

প্রতিশ্রুতি

শূন্য থেকে একটি governed local AI — প্রায় ১০ মিনিটে। এই পথে যা পাবেন:

Offline — কোনো API key নেই, কোনো cloud bill নেই।
ডেটা আপনার মেশিনেই থাকে — বাইরে যায় না (DPDP Act, 2023-এর অধীনে residency-সহায়ক)।
CPU-তেই চলে — ছোট model-এর জন্য GPU লাগে না; খরচ টাকায় গোনার আগেই শূন্য।

সবচেয়ে দ্রুত পথ

আপনার বিদ্যমান এজেন্টকে এক কমান্ডে একটি local model-এর পেছনে wrap করুন:

fak guard -- claude

এজেন্ট নতুন করে লিখতে হয় না — শুধু একটি base URL fak serve-এর দিকে ঘুরিয়ে দিন, প্রতিটি tool call প্রথমে capability floor পেরিয়ে যায়।

৬০-সেকেন্ডের প্রমাণ (key নেই, model নেই, GPU নেই)

কিছু download না করেই boundary-টা নিজে দেখুন — একটি structural DENY, একটি ALLOW, আর একটি offline agent যাতে injection আটকানো হয় কিন্তু task তবুও সম্পূর্ণ হয়:

go build -o fak ./cmd/fak
./fak preflight --policy examples/customer-support-readonly-policy.json --tool refund_payment --args "{}"   # -> DENY (POLICY_BLOCK)
./fak preflight --policy examples/customer-support-readonly-policy.json --tool search_kb     --args "{}"   # -> ALLOW
./fak agent --offline                                                                                       # injection আটকানো হলো, task তবুও সম্পূর্ণ

permission নীতি kernel-এর ভেতরে, একই call path-এ চলে — fail-closed। allow-list-এ নেই এমন কোনো action চলতে পারে না, model-কে যত ভালোভাবেই ভোলানো হোক না কেন। সন্দেহজনক tool results আলাদা quarantine-এ রাখা হয়, যাতে সেগুলো model-এর context-এ ঢুকতেই না পারে — structure দিয়ে, কোনো classifier দিয়ে নয়। live পরীক্ষায় prompt injection অরক্ষিত baseline-এ ৫/৫ পৌঁছেছিল; fak সেটি ৫/৫ দেয়ালবন্দি করেছে।

fak কী

fak একটি Go binary যা আপনার AI এজেন্ট আর তার tool calls-এর মাঝে বসে — প্রতিটি tool call চলার আগেই যাচাই করে, আর দীর্ঘ session-এ বারবার আসা ভাগ-করা কাজ পুনর্ব্যবহার করে। ফলাফল: একই agent loop আরও নিরাপদ, সস্তা ও দ্রুত — কোনো rewrite ছাড়াই।

fak আপনার model বদলায় না — সেটিকে govern ও cache করে। 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 বা যেকোনো OpenAI-compatible API-এর মাধ্যমে।

কতটা দ্রুত (সৎ হিসাব)

৫০-turn × ৫-agent-এর একটি মাপা session-এ, একটি tuned warm-cache stack-এর তুলনায় সৎ লাভ প্রায় ~4.1× কম কাজ। এটিই headline সংখ্যা।

~60× (প্রায় ১৯ ঘণ্টা থেকে প্রায় ১৯ মিনিট) সংখ্যাটি সত্য কেবল একটি naive re-send-everything loop-এর তুলনায় — এটি কখনো headline নয়। এই পুনর্ব্যবহারের লাভ self-host only এবং read-heavy fleet-এ প্রযোজ্য।

provider-এর prompt-cache ছাড় টেকে কেবল তখনই, যখন cached prefix byte-for-byte একই থাকে; fak মাঝের পুরনো turns সরিয়েও prefix-কে byte-identical রাখে — এটি fak-এর গ্যারান্টি। provider আসলে cache পুনর্ব্যবহার করবে কি না, সেটি provider-এর সিদ্ধান্ত, যা fak দাবি করে না, শুধু relay করে।

License: Apache-2.0, বিনামূল্যে, self-host — কার্ড নেই, cross-border invoice নেই, entity নেই। git clone আর go install github.com/anthony-chaudhary/fak/cmd/fak@latest-ই পুরো পথ।

এরপর কোথায়

License: Apache-2.0।