fak — preguntas frecuentes de primer contacto

Esta es una página de entrada localizada (entry point), no una traducción completa de la documentación. La documentación canónica está en inglés — esta FAQ responde las primeras dudas y luego te deriva a la documentación en inglés. Aviso: esta página está generada automáticamente y está pendiente de revisión nativa — se agradecen correcciones por issue/PR.

Otros idiomas y páginas hermanas: el hub i18n · introducción en español.

Q1. ¿Qué es fak?

Un solo binario Go estático que colocas delante del agente de IA que ya ejecutas (Claude Code, Codex, Cursor, cualquier cliente OpenAI/Anthropic/MCP): reapuntas una única base URL, sin reescribir nada. Abarata las sesiones largas (descarta los turnos viejos mientras mantiene el prefijo del prompt-cache del provider byte-idéntico), enruta cada tool call, puede ejecutar modelos GGUF locales in-process y registra un veredicto auditable para cada llamada.

Q2. ¿Tengo que cambiar de modelo o reescribir mi agente?

No. fak gobierna y cachea el modelo que ya usas — no lo reemplaza. Lo envuelves con:

fak guard -- claude

o reapuntas una sola base URL hacia fak serve.

Q3. ¿A dónde van mis datos? ¿Es esto compatible con la normativa?

Self-host primero: un binario estático delante de un modelo local o de un provider nacional, con residencia fail-closed, un capability floor en default-deny y un registro de auditoría a prueba de manipulación para cada tool call. Tus datos no salen de tu máquina. Esto es lo que piden el RGPD/GDPR (residencia y minimización de datos) y el Reglamento de IA de la UE (el Artículo 12 exige un registro de eventos a lo largo del ciclo de vida). fak entrega el bloque técnico; no es asesoría legal. Detalles: Data residency & compliance.

Q4. ¿Cuánto cuesta? ¿De verdad es gratis?

Apache-2.0, libre, self-host. Sin tarjeta de crédito, sin factura transfronteriza (ni en EUR ni en tu moneda local), sin entidad legal. git clone más go install es todo el camino.

Q5. ¿Cuánto más barato o más rápido es?

En un run medido de 50 turnos × 5 agentes, ~4,1× menos trabajo que un stack warm-cache afinado (tuned). La cifra de ~60× (de unas 19 horas a unos 19 minutos) solo se cumple frente a un bucle ingenuo que reenvía todo — nunca como titular. La ganancia por reutilización es self-host únicamente, para flotas con carga de lectura intensiva. En la práctica: cada token que no reenvías es margen que no pagas, en EUR o en tu moneda local. fak garantiza que el prefijo cacheado sea byte-idéntico; que el provider reutilice esa caché es decisión del provider, que fak transmite en lugar de prometer. Cada cifra está respaldada en BENCHMARK-AUTHORITY.

Q6. ¿Qué modelos funcionan?

Qwen2/Qwen3 y GLM-MoE están probados bit-exact en el motor de referencia in-kernel. Todo lo demás (DeepSeek, Mistral, cualquier modelo open-weights) se sirve por la interfaz compatible con OpenAI: Ollama / vLLM / SGLang / llama.cpp / LM Studio o cualquier API compatible con OpenAI.

Q7. ¿Cómo detiene el prompt injection?

Con dos barreras estructurales, no con un classifier: un capability floor en default-deny (una herramienta peligrosa nunca está en la allow-list, por más que se convenza al modelo) y la cuarentena de resultados (los resultados de herramienta envenenados nunca llegan al contexto del modelo). El detector que los marca se trata como ~100% evadible por diseño — un extra, nunca el piso. En pruebas en vivo, la inyección alcanzó el baseline sin protección 5/5 y fak la aisló 5/5.

Q8. ¿Cómo lo instalo?

go install github.com/anthony-chaudhary/fak/cmd/fak@latest

o, desde un clon:

go build -o fak ./cmd/fak

Si tu red bloquea el proxy de módulos por defecto, ajusta GOPROXY a un espejo alcanzable antes de go install.

La prueba de 60 segundos (sin key, sin modelo, sin GPU)

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                                                                                       # inyección detenida, tarea igualmente completada

Q9. ¿Hacia dónde sigo?

Licencia: Apache-2.0.