fak — Installation & Erste Schritte (deutsche Einstiegsseite)
Dies ist eine lokalisierte Einstiegsseite (entry point), keine vollständige Übersetzung der Dokumentation. Die kanonische Dokumentation ist Englisch — diese Seite bringt dich von einem sauberen Checkout zu einer laufenden Binary und reicht dich dann an die englischen Docs weiter. Hinweis: Diese Übersetzung ist maschinell erstellt und wartet auf ein natives Review — Korrekturen per Issue/PR sind willkommen.
Der dichte Pitch (was fak ist und warum) steht in der deutschen Einführung; alle Sprachen im i18n-Hub.
Dies ist die Installations- und Ausführungs-Vordertür. Der dichte Pitch ist die README. fak ist eine Go-Binary: ein einziges statisches Artefakt ohne externe Abhängigkeiten — Gateway, KV-Cache- und Routing-Engine, Policy-Gate, Result-Quarantäne und Audit-Log in einem Prozess. Weil fak self-host-first ist, bleiben Daten auf deiner Infrastruktur (relevant für DSGVO/GDPR und das EU AI Act-Audit-Log); den Token-Preis in EUR senkt fak, indem es geteilte Arbeit in langen Sessions wiederverwendet — die Belege dazu stehen in der README und der BENCHMARK-AUTHORITY.
Voraussetzungen
- Go 1.26+.
fak/go.moddeklariertgo 1.26. Mit Go’s StandardGOTOOLCHAIN=autolädt ein älteresgodie passende Toolchain beim ersten Build automatisch nach (einmalig Netz nötig); sonst Go 1.26 von https://go.dev/dl/. Prüfen mitgo version. - Für Tier 0 ist das alles: keine GPU, kein API-Key, kein Netz.
- Tier 1 braucht zusätzlich irgendeinen OpenAI-kompatiblen Modell-Server (z. B. Ollama).
Die vier Tiers auf einen Blick
Nichts Neues wird zwischen den Tiers installiert — dieselbe Binary, du fügst nur Flags hinzu.
| Tier | Was du bekommst | Setup |
|---|---|---|
| 0 — Kernel ausprobieren | Die Adjudikationsgrenze offline laufen lassen/messen | go build |
| 1 — Vor ein echtes Modell | Den Kernel vor ein Modell setzen, das du woanders servierst (Ollama / vLLM / llama.cpp / Cloud-Provider) | + ein laufender OpenAI-kompatibler Server |
| 1b — Lokales Modell in einem Befehl | Ein lokales GGUF-Modell in-kernel mit deinem bestehenden Agenten — kein Key, kein Netz, kein zweites Terminal | fak guard --gguf qwen2.5:7b -- claude |
| 2 — Das fusionierte In-Kernel-Modell | Der reine-Go-Forward-Pass, den der Kernel selbst besitzt | go build (+ echte Gewichte optional) |
Wenn du einfach ein brauchbares Modell mit fak davor servieren willst, willst du Tier 1.
Die Binary holen
Aus dem Clone bauen (Contributor):
git clone https://github.com/anthony-chaudhary/fak.git
cd fak
go build -o fak ./cmd/fak # -> ./fak (Windows: -o fak.exe)
./fak help
Mit Go installieren. Der Modulpfad github.com/anthony-chaudhary/fak ist die
Repository-Wurzel und installiert direkt:
go install github.com/anthony-chaudhary/fak/cmd/fak@latest # -> $(go env GOBIN) / $GOPATH/bin
Der 60-Sekunden-Beweis (kein Key, kein Modell, keine GPU)
Das ist Tier 0: Die Capability-Floor verweigert einen Call strukturell (fail-closed), und die Prompt-Injection wird geblockt, während der Task trotzdem fertig wird.
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 blocked, task still completes
Du schreibst deinen Agenten nicht um — du richtest eine Base-URL auf fak serve, oder du
wickelst deinen bestehenden Agenten in einem einzigen Befehl ein:
fak guard -- claude # wraps your existing agent in a single command
Wohin als Nächstes
docs/fak/tutorial.md— die geführte erste Session (~15 Min): jeder Befehl mit seiner echten, aufgezeichneten Ausgabe, offline, ohne Key und ohne GPU.- README (der volle Überblick)
- START-HERE — in 10 Minuten zum lokalen Modell
- GETTING-STARTED — die englische Referenz zu dieser Seite
- Integrations — deinen Agenten anschließen
- Data residency & compliance — für DSGVO/GDPR und das EU AI Act
- BENCHMARK-AUTHORITY — die Quelle jeder Zahl
- CLAIMS — was shipped/simuliert/Stub ist
Lizenz: Apache-2.0.