fak — install & getting started (తెలుగు)
ఇది ఒక స్థానికీకరించిన ప్రవేశ పేజీ (entry point) — పూర్తి డాక్యుమెంటేషన్ అనువాదం కాదు. పూర్తి డాక్యుమెంటేషన్ ఇంగ్లీషులో ఉంది. ఈ పేజీ install మార్గం, tier map ఇచ్చి, మిమ్మల్ని ఇంగ్లీష్ డాక్స్ వైపు తీసుకెళ్తుంది. గమనిక: ఈ అనువాదం యంత్రంతో తయారైనది; native సమీక్ష పెండింగ్లో ఉంది — సవరణల కోసం issue/PR తెరవండి.
ఇతర భాషలు / సాంద్రమైన pitch: i18n hub · తెలుగు README.
ఇది install-and-run ముఖద్వారం — శుభ్రమైన checkout నుండి నడుస్తున్న kernel వరకూ,
ఆపై దాని వెనుక ఒక model serve చేసే వరకూ తీసుకెళ్తుంది. సాంద్రమైన pitch
README-లో ఉంది. fak ఒకే Go binary — సున్నా బాహ్య dependencies
(Python లేదు, CUDA toolkit లేదు) ఉన్న ఒకే static artifact; అదే binaryయే gateway,
KV-cache, policy gate, result quarantine, audit అన్నీ ఒకే process-లో.
మీరు మీ ఏజెంట్ను తిరిగి రాయరు — ఒకే base URL-ను fak serve వైపు మళ్లిస్తారు, లేదా
ఇప్పటి ఏజెంట్ను ఒకే కమాండ్లో wrap చేస్తారు:
fak guard -- claude
0. ముందస్తు అవసరాలు (Prerequisites)
- Go 1.26+.
fak/go.modలోgo 1.26ప్రకటించబడింది. Go defaultGOTOOLCHAIN=autoతో పాతgoకూడా మొదటి build-లో సరైన toolchain-ను స్వయంగా download చేసుకుంటుంది (ఒకసారి network అవసరం); లేదంటే https://go.dev/dl/ నుండి Go 1.26 install చేయండి.go versionతో తనిఖీ చేయండి. - Tier 0-కి ఇంతే — GPU లేదు, API key లేదు, network లేదు.
- Tier 1-కి అదనంగా ఏదైనా OpenAI-compatible model server (ఉదా. Ollama) కావాలి.
Tier map (పెరుగుతున్న setup ఖర్చు క్రమంలో — మధ్యలో కొత్తగా ఏదీ install కాదు)
| Tier | ఏమి వస్తుంది | Setup |
|---|---|---|
| 0 — kernel-ను ప్రయత్నించండి | adjudication boundary-ను offline నడపండి/కొలవండి | go build |
| 1 — నిజమైన model ముందు నిలబెట్టండి | మీరు వేరే చోట serve చేసే model ముందు kernel (Ollama / vLLM / llama.cpp / cloud provider) | + నడుస్తున్న OpenAI-compatible server |
| 1b — ఒకే కమాండ్లో local model | మీ ఇప్పటి ఏజెంట్తో local GGUF model in-kernel — key లేదు, network లేదు, రెండో terminal లేదు | fak guard --gguf qwen2.5:7b -- claude |
| 2 — fused in-kernel model | kernel స్వంతం చేసుకునే pure-Go forward pass | + (real weights కోసం) Python export |
మీకు కేవలం fak వెనుక ఒక ఉపయోగకరమైన model serve చేయాలంటే Tier 1 కావాలి. Tier 2-లోని in-kernel model అనేది HuggingFace-తో bit-for-bit సరిపోల్చిన reference forward pass — chat-quality serving engine కాదు.
Install — binary పొందండి
Contributor (clone నుండి build):
git clone https://github.com/anthony-chaudhary/fak.git
cd fak
go build -o fak ./cmd/fak # -> ./fak (Windows: go build -o fak.exe ./cmd/fak)
./fak help
లేదా Go తో install (module path = repository root, కాబట్టి నేరుగా install అవుతుంది):
go install github.com/anthony-chaudhary/fak/cmd/fak@latest
60-సెకన్ల రుజువు (Tier 0 — 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
allow-list మీద లేని action నడవదు — model-ను ఎంతగా ఒప్పించినా. ఇది classifier కాదు; kernel లోపల అదే call path-లో నడిచే fail-closed capability floor.
భారత్కు ఎందుకు ముఖ్యం
- డేటా దేశంలోనే ఉంటుంది (DPDP Act, 2023). fak self-host మొదట — ఒక static binary మీ local model లేదా దేశీయ provider ముందు కూర్చుని, ప్రతి tool call-ను నడవడానికి ముందు తనిఖీ చేస్తుంది (fail-closed default-deny floor). డేటా మీ మెషిన్ను వదిలి బయటకు వెళ్లదు.
- ఖర్చు రూపాయల్లో (INR) కొడుతుంది, token bill డాలర్లలో వస్తుంది. పొడవైన session-లో fak భాగస్వామ్య పనిని మళ్లీ వాడుకుంటుంది — ఒక tuned warm-cache stack-తో పోలిస్తే 50-turn × 5-agent run మీద ~4.1× తక్కువ పని (ఇదే నిజాయితీ అంకె; naive re-send loop-తో పోలిస్తే ~60×, కానీ అది కేవలం ఆ naive నమూనాతో పోలిక — headline కాదు). ఈ reuse-గెలుపు self-host-only, read-heavy fleet-లకే వర్తిస్తుంది.
- ఏ payment rail దాటదు. fak Apache-2.0, ఉచితం, self-host — card లేదు,
cross-border invoice లేదు, legal entity లేదు.
git cloneమరియుgo installమాత్రమే పూర్తి మార్గం.
అధిక వివరాలు data residency & compliance-లో.
తరువాత ఎక్కడికి
- tutorial — దశలవారీ మొదటి session (~15 నిమి; ప్రతి కమాండ్కు నిజమైన output, మొదట offline — key/GPU అవసరం లేదు)
- README (పూర్తి అవలోకనం)
- START-HERE — 10 నిమిషాల్లో local model
- GETTING-STARTED — పూర్తి install & tier reference
- Integrations — మీ ఏజెంట్ను అనుసంధానించండి
- డేటా residency & compliance — DPDP Act, 2023 కోసం
- BENCHMARK-AUTHORITY — ప్రతి సంఖ్యకు మూలం
- CLAIMS — ఏది shipped/simulated/stub
License: Apache-2.0 — ఉచితం, self-host.