fak — Fused Agent Kernel (pengantar Bahasa Indonesia)
Ini adalah halaman masuk (entry point) yang dilokalkan, bukan terjemahan dokumen lengkap. Dokumentasi lengkap berbahasa Inggris — halaman ini memberi inti fak, bukti 60 detik, dan jalur instalasi, lalu mengarahkan Anda ke dokumentasi Inggris. Catatan: terjemahan ini dibuat oleh mesin dan masih menunggu tinjauan penutur asli — bila menemukan kekeliruan, silakan buka issue/PR. Bahasa lain: lihat i18n hub.
fak dalam satu kalimat
fak adalah satu Go binary yang duduk di antara agen AI Anda dan tool call yang dipanggilnya — memeriksa setiap tool call sebelum dijalankan, dan memakai ulang kerja bersama yang berulang di sepanjang sesi panjang. Hasilnya: loop agen yang sama menjadi lebih aman, lebih murah, dan lebih cepat, tanpa menulis ulang apa pun.
Anda tidak menulis ulang agen — cukup arahkan satu base URL ke fak serve, dan
setiap tool call lebih dulu melewati capability floor.
fak guard -- claude # membungkus agen Anda yang sudah ada dengan satu perintah
Mengapa tim di Indonesia perlu peduli
- Tagihan token dalam USD, tapi margin Anda dihitung dalam Rupiah. Untuk fleet yang self-host dan padat pembacaan (read-heavy), fak memakai ulang kerja bersama di sesi panjang (KV cache dari system prompt dan daftar tool) — sekitar 4,1× lebih sedikit kerja dibanding stack warm-cache yang sudah di-tuning, diukur pada sesi 50 giliran × 5 agen. (Angka ~60× — sekitar 19 jam menjadi sekitar 19 menit — benar hanya dibanding pola naif yang mengirim ulang semuanya, jadi jangan dijadikan headline.) Ini tuas langsung ke margin dalam IDR.
- Data tetap di dalam negeri (UU PDP 2022). fak mengutamakan self-host: satu static binary yang duduk di depan model lokal atau provider domestik, dengan residensi yang fail-closed di setiap backend, capability floor default-deny, dan audit log tamper-evident untuk setiap tool call. Data tidak keluar dari mesin Anda.
- Tanpa pembayaran lintas batas. fak berlisensi Apache-2.0, gratis, dan
self-host — tanpa kartu kredit, tanpa invoice lintas negara, tanpa badan hukum.
git clonelalugo install github.com/anthony-chaudhary/fak/cmd/fak@latestadalah keseluruhan jalurnya. - Satu static binary, tanpa dependensi eksternal. Ops sederhana untuk tim kecil — tanpa sidecar, tanpa authorizer terpisah. Dari laptop hingga fleet memakai artifact yang sama; Anda menambah flag, bukan komponen.
Masalah yang diselesaikan fak
- Sesi panjang tetap murah. Diskon prompt-cache dari provider hanya bertahan bila prefix yang ter-cache tetap sama byte demi byte. fak membuang giliran lama di tengah namun menjaga prefix byte-identical — fak menjamin keidentikan byte pada prefix; apakah provider benar-benar memakai ulang cache adalah keputusan provider, yang diteruskan fak, bukan diklaim fak.
- Keamanan default-deny. Batas kapabilitas diperiksa di dalam kernel, di jalur panggilan yang sama — fail-closed. Aksi yang tidak pernah ada di allow-list tidak bisa berjalan, tak peduli model dibujuk untuk apa. Ini struktur, bukan classifier.
- Karantina prompt injection / hasil teracuni. Hasil tool yang mencurigakan ditahan sepenuhnya di luar konteks model — lewat struktur, bukan detektor. Detektor yang menandainya dianggap ~100% bisa dihindari secara desain: sebuah bonus, bukan lantai pertahanan. Pada uji langsung, prompt injection menembus baseline tanpa proteksi 5/5; fak menutupnya 5/5.
Bukti 60 detik (tanpa key, tanpa model, tanpa 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 # injection blocked, task still completes
Dengan model Anda
fak tidak mengganti model Anda — ia mengatur (govern) dan meng-cache-nya. Qwen2/Qwen3 dan GLM-MoE terbukti bit-exact di in-kernel reference engine; selebihnya (DeepSeek, Mistral, model open-weights mana pun) tersambung lewat OpenAI-compatible wire — melalui Ollama / vLLM / SGLang / llama.cpp / LM Studio atau API apa pun yang kompatibel dengan OpenAI.
Langkah berikutnya
- Mulai cepat (Bahasa Indonesia) — 10 menit menuju model lokal
- Instalasi (Bahasa Indonesia) — pasang binary-nya
- FAQ (Bahasa Indonesia) — pertanyaan kontak pertama
- README (ikhtisar lengkap)
- START-HERE — model lokal dalam 10 menit
- GETTING-STARTED — instal binary
- Integrations — sambungkan agen Anda
- Residensi data & kepatuhan — untuk UU PDP 2022
- BENCHMARK-AUTHORITY — sumber setiap angka
- CLAIMS — apa yang shipped/simulated/stub
License: Apache-2.0.