Skip to the content.

fak — установка и запуск

Это локализованная страница входа (entry point), а не полный перевод документации. Полная документация — на английском; эта страница даёт установку, карту уровней (tiers) и 60-секундную проверку, а затем направляет вас к англоязычной документации — она и есть источник истины. Примечание: этот перевод создан машиной и ожидает проверки носителем языка — нашли неточность, откройте issue/PR. Другие языки и полный список — на i18n hub.

Это входная дверь «установить и запустить». Плотная подача — в README.

fak — это одна Go-бинарь, которая садится между вашим AI-агентом и инструментами, которые он вызывает: проверяет каждый tool call до его запуска и переиспользует повторяющуюся общую работу в рамках длинной сессии. Результат: тот же самый цикл агента становится безопаснее, дешевле и быстрее, без переписывания. Вы не переписываете агента — вы либо перенаправляете один base URL на fak serve, либо оборачиваете существующего агента одной командой:

fak guard -- claude    # оборачивает вашего существующего агента одной командой

Почему это важно для рынка России и СНГ

Требования

Уровни (tiers): от нулевой настройки к слитой модели

Между уровнями ничего нового не устанавливается — та же бинарь, только больше флагов.

Tier Что вы получаете Настройка Загрузки
0 — Попробовать ядро Запуск/замер границы адъюдикации офлайн go build нет
1 — Поставить перед реальной моделью Ядро перед моделью, которую вы обслуживаете (Ollama / vLLM / llama.cpp / облако) + запущенный OpenAI-совместимый сервер чат-модель
1b — Локальная модель одной командой Локальная GGUF-модель in-kernel с вашим агентом — без ключа, без сети, без второго терминала fak guard --gguf qwen2.5:7b -- claude ~5 GB GGUF (кэшируется)
2 — Слитая in-kernel модель Чистый Go-forward pass, которым владеет само ядро + (реальные веса) экспорт Python зависит от модели

Модели: fak управляет и кэширует вашу модель, а не заменяет её. Qwen2/Qwen3 и GLM-MoE проверены bit-exact в in-kernel reference engine; всё остальное (DeepSeek, Mistral, любая open-weights модель) подключается по OpenAI-совместимому протоколу: Ollama / vLLM / SGLang / llama.cpp / LM Studio или любой OpenAI-совместимый API.

Установка бинари

Собрать из клона (contributor):

go build -o fak ./cmd/fak

Установить через Go (путь модуля — корень репозитория, ставится напрямую):

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

Замечание по установке для России и СНГ. Где proxy.golang.org недоступен, может потребоваться GOPROXY. Подойдёт также self-hosted Go module proxy:

export GOPROXY=https://<ваш-go-module-proxy>,direct
go install github.com/anthony-chaudhary/fak/cmd/fak@latest

60-секундная проверка (без ключа, без модели, без GPU)

Default-deny capability floor проверяется внутри ядра, на том же call path — fail-closed: действие, которого нет в allow-list, не запустится, как бы модель ни уговорили. Подозрительные tool results удерживаются вне контекста модели целиком (карантин — это структура, а не детектор). В живых тестах prompt injection достигал незащищённого baseline 5/5; fak отгородил его 5/5.

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

Куда дальше

License: Apache-2.0.