fak — ఫ్యూజ్డ్ ఏజెంట్ కెర్నల్ (తెలుగు పరిచయం)
ఇది ఒక స్థానికీకరించిన ప్రవేశ పేజీ (entry point) — పూర్తి డాక్యుమెంటేషన్ అనువాదం కాదు. పూర్తి డాక్యుమెంటేషన్ ఇంగ్లీషులో ఉంది — ఈ పేజీ fak సారాంశం, 60-సెకన్ల రుజువు, install మార్గం ఇచ్చి, మిమ్మల్ని ఇంగ్లీష్ డాక్స్ వైపు తీసుకెళ్తుంది. గమనిక: ఈ అనువాదం యంత్రంతో తయారైనది; native సమీక్ష పెండింగ్లో ఉంది — సవరణల కోసం issue/PR తెరవండి.
ఇతర భారతీయ భాషల్లో: हिन्दी (Hindi) · தமிழ் (Tamil) · বাংলা (Bengali) · मराठी (Marathi) — పూర్తి జాబితా i18n hub-లో.
fak ఒక్క వాక్యంలో
fak ఒక Go binary — ఇది మీ AI ఏజెంట్కు, దాని tool calls-కు మధ్య కూర్చుంటుంది — ప్రతి tool call-ను నడవక ముందే తనిఖీ చేస్తుంది, పొడవైన session-లలో పునరావృతమయ్యే పనిని తిరిగి వాడుకుంటుంది. ఫలితం: అదే agent loop మరింత సురక్షితం, చౌక, వేగం — ఇంకేమీ మార్చకుండా.
మీ ఏజెంట్ను తిరిగి రాయనక్కర్లేదు — ఒక base URL-ను fak serve వైపు తిప్పితే చాలు;
ప్రతి tool call ముందుగా capability floor గుండా వెళ్తుంది.
fak guard -- claude # మీ ఇప్పటి ఏజెంట్ను ఒకే కమాండ్లో wrap చేస్తుంది
భారతీయ స్టార్టప్లకు ఇది ఎందుకు ముఖ్యం
- ఖర్చు రూపాయల్లో బాధిస్తుంది, token bill డాలర్లలో వస్తుంది. పొడవైన session-లలో పంచుకున్న పనిని (system prompt, tool list-ల KV cache) fak తిరిగి వాడుకుంటుంది — ఒక tuned warm-cache stack-తో పోలిస్తే 50×5 run-లో ~4.1× తక్కువ పని (naive re-send loop-తో పోలిస్తే ~60×; నిజాయితీగల సంఖ్య 4.1×). దానితో పాటు per-aspect routing చౌక భాగాలను చౌక model-కు పంపుతుంది. ఇది నేరుగా margin-ను పెంచే మీట.
- డేటా దేశంలోనే ఉండాలి (DPDP Act, 2023). fak self-host ముందు: ఒక static binary ఏ local model లేదా దేశీయ provider ముందైనా కూర్చుని, ప్రతి backend-లో fail-closed residency, default-deny capability floor, ప్రతి tool call-కు tamper-evident audit log ఇస్తుంది. డేటా మీ మెషీన్ నుంచి బయటకు వెళ్ళదు.
- ఏ payment rail-నూ దాటనక్కర్లేదు. fak Apache-2.0, ఉచితం, self-host — కార్డ్
లేదు, cross-border invoice లేదు, entity లేదు.
git clone,go install— ఇదే మొత్తం దారి. - ఒకే static binary, సున్నా బాహ్య dependencies. చిన్న టీమ్కు సులభమైన ops — sidecar లేదు, విడి authorizer లేదు. laptop నుంచి fleet వరకూ అదే artifact; మీరు components కాదు, flags మాత్రమే జోడిస్తారు.
fak ఏ సమస్యలను పరిష్కరిస్తుంది
- పొడవైన session-లు ఖరీదవడం ఆగిపోతుంది. provider-ల prompt-cache డిస్కౌంట్, cached prefix byte-for-byte అలాగే ఉంటేనే నిలుస్తుంది; fak మధ్యలోని పాత turns-ను తీసేసినా prefix-ను byte-identical-గా ఉంచుతుంది — కాబట్టి డిస్కౌంట్ విరగదు.
- default-deny భద్రత. permission విధానం kernel లోపల, అదే call path-లో నడుస్తుంది. ఒక irreversible action-ను ఆపడం attack-ను “పట్టుకోవడం”పై ఆధారపడదు — ఆ మీట అసలు కలపబడనే లేదు. ఇది fail-closed, open కాదు.
- prompt injection / poisoned results నివారణ. అనుమానాస్పద tool results-ను విడి quarantine-లో ఉంచుతారు — అవి model context-లోకి అసలు ప్రవేశించలేవు; ఇది structure ద్వారా, ఏ classifier ద్వారానో కాదు.
60-సెకన్ల రుజువు (key లేదు, model లేదు, GPU లేదు)
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 ఆగింది, task అయినా పూర్తి
మీ model-తో
fak మీ model-ను మార్చదు — దాన్ని govern చేసి cache చేస్తుంది. Qwen2/Qwen3, GLM-MoE in-kernel reference engine-లో bit-exact అని నిరూపితమయ్యాయి; మిగతావన్నీ (DeepSeek, Mistral, ఏ open-weights model అయినా) OpenAI-compatible wire మీద front అవుతాయి — Ollama / vLLM / SGLang / llama.cpp / LM Studio లేదా ఏ OpenAI-compatible API ద్వారా అయినా.
తరువాత ఎక్కడికి
- త్వరిత ప్రారంభం — 10 నిమిషాల్లో local model
- ఇన్స్టాల్ — binary ను ఇన్స్టాల్ చేయండి
- FAQ — మొదటి పరిచయపు ప్రశ్నలు
- README (పూర్తి అవలోకనం)
- START-HERE — 10 నిమిషాల్లో local model
- Getting Started — binary install చేయండి
- Integrations — మీ ఏజెంట్ను అనుసంధానించండి
- డేటా residency & compliance — DPDP Act కోసం
- BENCHMARK-AUTHORITY — ప్రతి సంఖ్యకు మూలం
- CLAIMS — ఏది shipped/simulated/stub
License: Apache-2.0.