fak — Schnellstart (in 10 Minuten zum lokalen Modell)

Dies ist eine lokalisierte Einstiegsseite (entry point), keine vollständige Übersetzung der Dokumentation. Die kanonische Dokumentation ist Englisch — diese Seite gibt dir kompakt den schnellsten Weg und den 60-Sekunden-Beweis 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.

Zurück zur deutschen Einführung · alle Sprachen im i18n-Hub.

Das Versprechen

Von null zu einer governten lokalen KI in etwa 10 Minuten: offline, ohne API-Key, ohne Cloud-Rechnung. Deine Daten bleiben auf deiner Maschine — der self-host-first-Weg, den DSGVO/GDPR und der EU AI Act belohnen. Für kleine Modelle genügt die CPU; eine GPU brauchst du nicht.

Du schreibst deinen Agenten dabei nicht um. Du richtest entweder eine Base-URL auf fak serve — oder du wickelst deinen bestehenden Agenten in einem einzigen Befehl ein. So oder so passiert jeder Tool-Call zuerst den default-deny Capability-Floor im Kernel, fail-closed: eine Aktion, die nie auf der Allow-Liste stand, läuft nicht — egal, wovon das Modell überredet wurde.

Der schnellste Weg

Ein lokales Modell hinter deinen bestehenden Coding-Agenten — ohne Key, ohne Netz, ein Befehl:

fak guard --gguf qwen2.5:7b -- claude

fak guard startet deinen Agenten unverändert, schiebt aber ein lokales Modell davor und prüft jeden Tool-Call, bevor er läuft.

Der 60-Sekunden-Beweis (kein Key, kein Modell, keine GPU)

Ohne Download und ohne Modell siehst du die Tool-Call-Grenze als strukturelle Entscheidung — ein DENY, ein ALLOW, und eine geblockte Prompt-Injection:

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

Verdächtige Tool-Ergebnisse kommen dabei in eine Quarantäne, damit sie gar nicht erst in den Modell-Kontext gelangen — durch Struktur, nicht durch einen Classifier. In Live-Tests erreichte Prompt-Injection den ungeschützten Baseline-Agenten 5/5; fak hat sie 5/5 abgewehrt.

Was ist fak?

fak ist eine einzige statische Go-Binary, die zwischen deinem KI-Agenten und den Tools sitzt, die er aufruft. Sie prüft jeden Tool-Call bevor er läuft und verwendet in langen Sessions die geteilte Arbeit (System-Prompt, Tool-Liste) wieder. Ergebnis: derselbe Agent-Loop wird sicherer, günstiger und schneller, ohne Rewrite. fak ersetzt dein Modell nicht — es governt und cached es.

Wie schnell?

Auf einem gemessenen 50-Turn-×-5-Agent-Run ist der ehrliche Gewinn gegenüber einem getunten Warm-Cache-Stack etwa 4,1× weniger Arbeit — das ist die Kopfzahl. Der Token-Preis ist damit ein Margen-Hebel, den du direkt in Euro spürst.

Die auffällige ~60×-Zahl (etwa 19 Stunden auf etwa 19 Minuten) gilt nur gegenüber dem naiven Re-Send-Loop, der die ganze wachsende Konversation jede Runde neu verarbeitet — nie als Kopfzahl lesen. Der Wiederverwendungs-Gewinn ist self-host only und gilt für read-heavy Flotten.

Der Prompt-Cache-Rabatt des Providers hält nur, solange das gecachte Präfix byte-für-byte identisch bleibt. fak garantiert die Byte-Identität des Präfixes, während es alte mittlere Turns abwirft; ob der Provider den Cache dann tatsächlich wiederverwendet, ist die Entscheidung des Providers — fak reicht sie weiter, statt sie zu behaupten. Jede Zahl ist in BENCHMARK-AUTHORITY bis auf Commit und Artefakt belegt.

Wohin als Nächstes

Installation: Apache-2.0, frei, self-hosted — keine Kreditkarte, keine grenzüberschreitende Rechnung, keine Rechtsentität. git clone und go install github.com/anthony-chaudhary/fak/cmd/fak@latest sind der ganze Weg.

Lizenz: Apache-2.0.