fak — install आणि सुरुवात

हे एक स्थानिकीकृत प्रवेश-पान (entry point) आहे — संपूर्ण दस्तऐवजांचे भाषांतर नाही. संपूर्ण दस्तऐवज इंग्रजीत आहेत. हे पान fak install करून चालवण्याचा मार्ग देते; दाट ओळख (pitch) README मध्ये आहे. सूचना: हे भाषांतर यंत्राने तयार केले असून native तपासणी बाकी आहे — दुरुस्तीसाठी issue/PR उघडा. इतर भाषांसाठी i18n hub, आणि सत्याचा मूळ स्रोत इंग्रजी README.

हे install-आणि-चालवण्याचे दार आहे. दाट pitch README मध्ये; झटपट सुरुवात हवी असल्यास quickstart पाहा. हे पान तुम्हाला स्वच्छ checkout पासून चालणाऱ्या kernel पर्यंत, आणि त्याच्यामागे एक model सर्व्ह करण्यापर्यंत नेते.

fak ही एकच Go binary आहे — शून्य बाह्य dependency असलेला एक static artifact (Python नाही, CUDA toolchain नाही). तीच binary म्हणजे संपूर्ण serving पृष्ठभाग: gateway, KV-cache आणि routing engine, token-savers — आणि त्याच seam वर policy gate, result quarantine आणि audit/metrics — एकाच process मध्ये.

तुम्ही तुमचा एजंट पुन्हा लिहीत नाही — फक्त एक base URL fak serve कडे वळवता, किंवा सध्याचा एजंट एका कमांडमध्ये wrap करता:

fak guard -- claude

0. पूर्वअटी (Prerequisites)

Go 1.26+. fak/go.mod मध्ये go 1.26 घोषित आहे. Go च्या default GOTOOLCHAIN=auto सह, जुनी go पहिल्या build वेळी योग्य toolchain आपोआप download करते (एकदा network लागते); अन्यथा https://go.dev/dl/ वरून Go 1.26 install करा. go version ने तपासा.
Tier 0 आणि Tier 2-synthetic साठी एवढेच — GPU नाही, API key नाही, network नाही.
Tier 1 ला याशिवाय कोणताही OpenAI-compatible model server लागतो (उदा. Ollama).
Tier 2 खऱ्या weights सह ला याशिवाय Python 3.10+ लागते (fetch script venv तयार करून torch/transformers install करते).

Tier नकाशा

चढत्या setup-खर्चाच्या क्रमाने चार गोष्टी करता येतात, आणि त्यांच्यामध्ये नवीन काहीही install होत नाही:

Tier	काय मिळते	Setup
0 — kernel वापरून पाहा	adjudication boundary offline चालवा/मोजा	`go build`
1 — खरा model समोर ठेवा	दुसरीकडे सर्व्ह केलेल्या model समोर kernel ठेवा (Ollama / vLLM / llama.cpp / cloud)	+ एक चालू OpenAI-compatible server
1b — एका कमांडमध्ये local model	तुमच्या सध्याच्या एजंटसह local GGUF model in-kernel चालवा — key नाही, network नाही	`fak guard --gguf qwen2.5:7b -- claude`
2 — fused in-kernel model	kernel च्या मालकीचा pure-Go forward pass	+ (खऱ्या weights साठी) Python export

फक्त fak समोर ठेवून एक उपयुक्त model सर्व्ह करायचे असेल, तर तुम्हाला Tier 1 हवे. Tier 2 चा in-kernel model हा HuggingFace विरुद्ध bit-for-bit सिद्ध reference forward pass आहे — production chat-quality serving engine नव्हे.

Install commands

Clone मधून build करा (contributor):

go build -o fak ./cmd/fak

Windows टीप: go build -o fak.exe ./cmd/fak ने build करा — -o fak (extension नसलेले) असे नाव ठेवते जे cmd.exe / PowerShell थेट चालवू शकत नाही. मग या मार्गदर्शकात जिथे ./fak आहे तिथे .\fak.exe वापरा.

Go ने install करा (adopter). module path github.com/anthony-chaudhary/fak हाच repository root असल्याने तो थेट install होतो:

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

कार्ड नाही, cross-border invoice नाही, entity नाही — fak Apache-2.0, मोफत, self-host आहे. git clone आणि go install हाच पूर्ण मार्ग; खर्च रुपयांतच राहतो — self-host असल्याने कोणतेही परकीय-चलन (forex) बिल नाही. डेटा तुमच्या मशीनवरच राहतो हे भारतातील DPDP Act, 2023 अनुपालनासाठी महत्त्वाचे; तपशील खालील data-residency दुव्यात.

60-सेकंदांचा पुरावा (key नाही, model नाही, GPU नाही)

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

पुढे कुठे

License: Apache-2.0.