fak — இணைந்த ஏஜென்ட் கெர்னல் (தமிழ் அறிமுகம்)

இது ஒரு உள்ளூர்மயமாக்கப்பட்ட நுழைவுப் பக்கம் (entry point) — முழு ஆவணத்தொகுப்பின் மொழிபெயர்ப்பு அல்ல. முழு ஆவணங்கள் ஆங்கிலத்தில் உள்ளன — இந்தப் பக்கம் fak-இன் சாரம், 60-வினாடி சான்று, நிறுவும் வழி ஆகியவற்றைத் தந்து, உங்களை ஆங்கில டாக்ஸ் நோக்கி அழைத்துச் செல்கிறது. குறிப்பு: இந்த மொழிபெயர்ப்பு இயந்திரத்தால் உருவாக்கப்பட்டது; native சரிபார்ப்பு நிலுவையில் — திருத்தங்களுக்கு issue/PR திறக்கவும்.

பிற இந்திய மொழிகளில்: हिन्दी (Hindi) · తెలుగు (Telugu) · বাংলা (Bengali) · मराठी (Marathi) — முழுப் பட்டியல் i18n hub-இல்.

fak ஒரே வரியில்

fak ஒரு Go binary — அது உங்கள் AI ஏஜென்டுக்கும் அதன் tool calls-க்கும் இடையில் அமர்ந்து, ஒவ்வொரு tool call-ஐயும் இயங்கும் முன்பே சரிபார்க்கிறது; நீண்ட session-களில் மீண்டும் மீண்டும் வரும் வேலையை மறுபயன்பாடு செய்கிறது. விளைவு: அதே agent loop மேலும் பாதுகாப்பாக, மலிவாக, வேகமாக — வேறெதையும் மாற்றாமல்.

உங்கள் ஏஜென்டை மறுஎழுத்து செய்யத் தேவையில்லை — ஒரு base URL-ஐ fak serve நோக்கித் திருப்பினால் போதும்; ஒவ்வொரு tool call-உம் முதலில் capability floor வழியாகச் செல்கிறது.

fak guard -- claude    # உங்கள் இருக்கும் ஏஜென்டை ஒரே கட்டளையில் wrap செய்கிறது

இந்திய ஸ்டார்ட்அப்களுக்கு இது ஏன் முக்கியம்

செலவு ரூபாயில் உறைக்கிறது, token bill டாலரில் வருகிறது. நீண்ட session-களில் பகிரப்பட்ட வேலையை (system prompt, tool list-இன் KV cache) fak மறுபயன்படுத்துகிறது — ஒரு tuned warm-cache stack-ஐ விட 50×5 run-இல் ~4.1× குறைவான வேலை (naive re-send loop-ஐ விட ~60×; நேர்மையான எண் 4.1×தான்). கூடவே per-aspect routing மலிவான பகுதிகளை மலிவான model-க்கு அனுப்புகிறது. இது நேரடியாக margin-ஐ உயர்த்தும் நெம்புகோல்.
தரவு நாட்டுக்குள்ளேயே இருக்கட்டும் (DPDP Act, 2023). fak self-host முதன்மை: ஒரு static binary எந்த local model அல்லது உள்நாட்டு provider-க்கும் முன் அமர்ந்து, ஒவ்வொரு backend-இலும் fail-closed residency, default-deny capability floor, ஒவ்வொரு tool call-இன் tamper-evident audit log ஆகியவற்றைத் தருகிறது. தரவு உங்கள் இயந்திரத்தை விட்டு வெளியேறாது.
எந்த payment rail-ஐயும் கடக்கத் தேவையில்லை. fak Apache-2.0, இலவசம், self-host — கார்டு இல்லை, cross-border invoice இல்லை, entity இல்லை. git clone மற்றும் go install — இதுவே முழு வழி.
ஒற்றை static binary, பூஜ்ஜிய வெளிச் சார்புகள். சிறிய குழுவுக்கு எளிய ops — sidecar இல்லை, தனி authorizer இல்லை. laptop முதல் fleet வரை அதே artifact; நீங்கள் components அல்ல, flags மட்டுமே சேர்க்கிறீர்கள்.

fak எந்தப் பிரச்சனைகளைத் தீர்க்கிறது

நீண்ட session-கள் விலை உயர்வது நிற்கிறது. provider-இன் prompt-cache தள்ளுபடி, cached prefix byte-for-byte அப்படியே இருந்தால் மட்டுமே நிலைக்கும்; fak நடுவிலுள்ள பழைய turns-ஐ அகற்றியும் prefix-ஐ byte-identical ஆக வைத்திருக்கிறது — எனவே தள்ளுபடி உடையாது.
default-deny பாதுகாப்பு. permission policy kernel-இன் உள்ளே, அதே call path-இல் இயங்குகிறது. ஒரு irreversible action-ஐத் தடுப்பது attack-ஐ “பிடிப்பதை” சார்ந்தில்லை — அந்த நெம்புகோல் ஒருபோதும் இணைக்கப்படவே இல்லை. இது fail-closed, open அல்ல.
prompt injection / poisoned results தடுப்பு. சந்தேகத்திற்குரிய tool results தனி quarantine-இல் வைக்கப்படுகின்றன — அவை model-இன் context-க்குள் நுழையவே முடியாது; இது structure மூலம், எந்த classifier மூலமும் அல்ல.

60-வினாடி சான்று (key இல்லை, model இல்லை, GPU இல்லை)

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 தடுக்கப்பட்டது, task எனினும் நிறைவு

உங்கள் model-உடன்

fak உங்கள் model-ஐ மாற்றாது — அதை govern செய்து cache செய்கிறது. Qwen2/Qwen3 மற்றும் GLM-MoE in-kernel reference engine-இல் bit-exact என நிரூபிக்கப்பட்டவை; மற்ற அனைத்தும் (DeepSeek, Mistral, எந்த open-weights model-உம்) OpenAI-compatible wire வழியாக front செய்யப்படுகின்றன — Ollama / vLLM / SGLang / llama.cpp / LM Studio அல்லது எந்த OpenAI-compatible API வழியாகவும்.

அடுத்து எங்கே

License: Apache-2.0.