fak — FAQ Kontak Pertama (Bahasa Indonesia)

Ini adalah halaman masuk (entry point) yang dilokalkan, bukan terjemahan lengkap. Dokumentasi lengkap tersedia dalam bahasa Inggris — halaman ini memberi Anda inti fak, bukti 60 detik, dan jalur pemasangan, lalu mengarahkan Anda ke dokumentasi Inggris. Catatan: terjemahan ini dibuat oleh mesin dan masih menunggu tinjauan penutur asli — jika menemukan kesalahan, silakan buka issue/PR. Bahasa lain: lihat i18n hub.

Q1. Apa itu fak?

Satu Go binary statis yang Anda tempatkan di depan agen AI yang sudah Anda jalankan (Claude Code, Codex, Cursor, klien OpenAI/Anthropic/MCP mana pun) dengan mengarahkan ulang satu base URL — tanpa menulis ulang apa pun. fak membuat sesi panjang lebih murah (membuang turn lama sambil menjaga prefix prompt-cache provider tetap byte-identical), mengarahkan setiap tool call, dapat menjalankan model GGUF lokal secara in-process, dan mencatat sebuah verdict yang dapat diaudit untuk setiap panggilan.

Q2. Apakah saya harus ganti model atau menulis ulang agen saya?

Tidak. fak govern dan cache model yang sudah Anda pakai — bukan menggantinya. Bungkus agen Anda dengan satu perintah, atau arahkan ulang satu base URL ke fak serve:

fak guard -- claude

Q3. Ke mana data saya pergi — apakah ini patuh?

Self-host lebih dulu: satu binary statis di depan sebuah model lokal atau provider dalam negeri, dengan residency yang fail-closed, sebuah default-deny capability floor, dan audit log yang tamper-evident untuk setiap tool call. Data Anda tidak keluar dari mesin Anda. Ini memudahkan pemenuhan kewajiban perlindungan data domestik di bawah UU PDP (UU No. 27 Tahun 2022 tentang Pelindungan Data Pribadi): pemrosesan tetap berada di lingkungan yang Anda kendalikan, dan setiap akses tool meninggalkan jejak yang dapat diperiksa.

Q4. Berapa biayanya? Apakah benar-benar gratis?

Apache-2.0, gratis, self-host. Tidak perlu kartu kredit, tidak ada faktur lintas-batas dalam dolar, dan tidak perlu badan hukum. Anda tidak menandatangani kontrak berlangganan yang ditagih dalam mata uang asing — seluruh jalurnya hanyalah git clone ditambah go install.

Q5. Seberapa lebih murah atau lebih cepat?

Pada sesi terukur 50 turn x 5 agen, sekitar 4,1x lebih sedikit kerja dibandingkan sebuah tumpukan warm-cache yang sudah di-tuning. Angka ~60x (sekitar 19 jam menjadi sekitar 19 menit) hanya berlaku dibandingkan loop naif yang mengirim ulang semuanya — jangan pernah dijadikan angka utama. Keuntungan pemakaian-ulang ini khusus self-host, untuk fleet yang banyak membaca (read-heavy).

Kenapa ini penting dalam Rupiah: tagihan token dihitung dalam dolar sementara pendapatan Anda dalam Rupiah, sehingga setiap kerja yang tidak dikirim ulang langsung menjadi tuas margin — bukan diskon yang menunggu negosiasi vendor.

Q6. Model mana yang bisa dipakai?

Qwen2/Qwen3 dan GLM-MoE telah terbukti bit-exact di reference engine in-kernel. Semua lainnya (DeepSeek, Mistral, model open-weights mana pun) masuk melalui wire yang kompatibel dengan OpenAI: Ollama / vLLM / SGLang / llama.cpp / LM Studio.

Q7. Bagaimana fak menghentikan prompt injection?

Dua gerbang struktural, bukan sebuah classifier:

Default-deny capability floor — sebuah tool berbahaya tidak pernah ada di allow-list, jadi ia tidak bisa berjalan betapapun model dibujuk. Pemeriksaan terjadi di dalam kernel pada jalur panggilan yang sama, fail-closed.
Result quarantine — tool result yang mencurigakan ditahan sepenuhnya di luar konteks model (struktur, bukan detektor). Detektor yang menandainya dianggap ~100% bisa dielakkan secara desain — sebuah bonus, bukan lantai keamanan.

Dalam pengujian langsung, injeksi menembus baseline yang tidak terlindungi 5/5, dan fak menembloknya 5/5.

Q8. Bagaimana cara memasangnya?

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

Atau build dari hasil clone: go build -o fak ./cmd/fak. Jika proxy.golang.org sulit dijangkau dari jaringan Anda, setel sebuah module proxy lewat GOPROXY terlebih dahulu.

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

Q9. Ke mana selanjutnya?

License: Apache-2.0.