Suomi English 中文 हिन्दी Español Français العربية বাংলা Português Русский 日本語 Deutsch 한국어 Türkçe Tiếng Việt Bahasa Indonesia ᚠᚢᚦᚨᚱᚲ 𓂩𓂁𓂣 𓉐 Italiano Kiswahili Nederlands Polski Українська ภาษาไทย فارسی اردو Bahasa Melayu ਪੰਜਾਬੀ עִבְרִית Esperanto संस्कृतम् Latina मराठी తెలుగు தமிழ் Basa Jawa Tagalog Hausa Yorùbá አማርኛ עברית ગુજરાતી Svenska Norsk Latviešu Lietuvių Eesti
Ahkerat Mehiläiset

Enamik AI-süsteeme teeb sama vea.

Nad küsivad kõigepealt keelemudelilt ja loodavad, et vastus kõlab õigesti.

Loodus lahendas selle probleemi miljoneid aastaid tagasi.

Mesilastarus ei saa avastus otsuseks seetõttu, et üks osaline nii ütleb. Skaut naaseb tarusse ja tantsib kaheksakujulist tantsu vertikaalsel kärjel — sirge osa nurk näitab suunda, kestus näitab kaugust, energia näitab kvaliteeti. Kuid tants pole monoloog. Õemesilased jälgivad tantsijat, puudutavad teda oma tundlatega ja annavad reaalajas tagasisidet. Peatamissignaalid võivad tantsu täielikult katkestada. Alles kui sõnum elab üle kogukonna kontrolli, tekib marsruut, mida tasub järgida.

WaggleDance on ehitatud sellele loogikale.

See ei anna probleemi otse LLM-ile. See suunab selle kõigepealt õigele lahendajale, kontrollib tulemust mitme agendi kaudu ja kasutab keelemudeleid ainult siis, kui need tegelikult aitavad. Iga samm jätab auditeeritava jälje. Iga lahendus on põhjendatav. Iga tsükkel suurendab süsteemi enda asjatundlikkust.

Kaheksakujulisest tantsust sai algoritmiline marsruutimine. Kärjest sai MAGMA-mälustruktuur. Ja mesilaste öine puhkus sai Dream Mode’iks — simulatsiooniks, kus süsteem vaatab üle päeva ebaõnnestumised, testib tuhandeid alternatiivseid marsruute ja ärkab targemana.

See pole metafoor. See on kollektiivse masinintelligentsuse arhitektuur.

Clone & Run

Laadi alla, forki ja käivita kohe kohalikult. Kogu hoidla on GitHubis saadaval ilma registreerimata.

Litsentsimudel: Apache 2.0 + BUSL 1.1 (avatud tüvi + lähtekoodiga kaitstud moodulid). Vaata tingimusi GitHubis.
BUSL-i üleminekukuupäev: 18. märts 2030.

v3.5.7 Viimane väljalase 2026-04-12
445+ Commit’id
5 581 Täispytest’id (v3.5.7)
4 Juurutusprofiilid

Miks see on erinev

AI, mis ei arva

Lahendajad lähevad esimesena. Kontrollija kontrollib. LLM liitub alles siis, kui õigest lahendajast ei piisa.

AI, mis mäletab kõike

MAGMA salvestab otsused, allikad, taasesitused ja usaldusskoorid. Vaata mis juhtus, miks ja millises järjekorras.

AI, mis õpib üleöö

Dream Mode vaatab ebaõnnestumised üle, simuleerib paremaid marsruute ja ehitab järgmiseks päevaks paremaid mudeleid.

AI, mis näitab oma seisundit

Hologram Brain teeb 32 sõlme seisundi reaalajas nähtavaks. Sa ei vaata musta kasti — sa vaatad töötavat süsteemi.

AI, mis jääb sinu võrku

Kõik töötab sinu enda keskkonnas. Kohustuslikku pilve pole, prompt-andmed ei lahku keskkonnast, SaaS-sõltuvust pole.

AI, mis skaleerub

Sama koodibaas töötab Raspberry Pi-st vabrikuprofiilini. Mitte ainult demo, mitte ainult raamistik.

Juurutusprofiilid — sama runtime, neli profiili

Seade GADGET

RPi, edge, sensor

Suvila COTTAGE

Offline, katkendlik ühendus

Kodu HOME

Kohalik automatiseerimine

Vabrik FACTORY

Järelevalve, anomaaliad, audit

Dashboard ja Hologram Brain on saadaval kohe pärast käivitamist. Esimene vastusaeg sõltub profiilist, riistvarast ja täis- või stub-režiimist.

Mis juhtub, kui klikid “Analüüsi hoidla”?

1

Viip saadetakse otse Grokile — ja kopeeritakse lõikelauale varundusena

2

Grok avaneb uues vahekaardis, viip on valmis

3

Saad põhjaliku repoanalüüsi, hinnatud konkurentide võrdluse ja tehasevalmiduse hinnangu.

Kui eeltäitmine ei tööta, kleebi käsitsi — viip on juba sinu lõikelaual.

Sama viipa saab kasutada ka Claude’is, ChatGPT-s või mis tahes muus LLM-is. Grok on sellel lehel vaikimisi valik.

Mida Grok analüüsib

Kui klikid “Analüüsi hoidla”, teeb AI sügava analüüsi, mis hõlmab:

1
Praegune koodibaasi seisund

Põhiharu, arhitektuur, moodulid ja viimased commit’id

2
README vs reaalsus

Mis on teostatud vs mis on planeeritud või strateegiline

3
Testid ja küpsus

Testikate, praktiline küpsus ja tootmisvalmidus

4
Hologram Brain ja MAGMA

Mälumudel, auditiarhitektuur, päritolu ja usaldusmehhanismid

5
Konkurentide võrdlus

Hinnatud 1–10 kuuel teljel võrreldes Kodu Assistanti, Node-REDi, n8n-i, Open WebUI, LangGraphi, AutoGeni, CrewAI ja Ollamaga

6
Vabriku juurutamise hinnang

Tööstuslikud kasutusjuhud, riskid, puuduvad integratsioonid, juurutamise takistused

Järgnevad Grok-viibad

Kliki viibal selle kopeerimiseks. Kleebi see oma Grok-seanssi sügavamaks uurimiseks.

Kuidas ma ühendan WaggleDance’i?

Vali profiil ja saa Grokilt kohandatud juurutusjuhend.

Kuidas WaggleDance võrdluses välja paistab

Iga allpool olev tööriist on hea selles, mida ta teeb. Võrdlus näitab, kuidas WaggleDance’i solver-first arhitektuur erineb — mitte ei ütle, et teised on halvad.

vs. Kodu Assistant

  • HA: Deterministic rules and automations, but no solver-based routing before the LLM.
  • WD: Solver-first routing (7+ deterministic solvers) → verifier → LLM only as fallback. Every decision auditable via MAGMA trail.
  • HA: No autonomous model training, no overnight learning.
  • WD: 8 sklearn specialist models + Dream Mode overnight learning with canary lifecycle.
  • HA's advantage: excellent integration ecosystem (2000+ integrations).

vs. LangGraph

  • LG: Graph-based multi-agent, but LLM-centric — everything goes through the LLM.
  • WD: Solver-first. LLM is Layer 1 (last), not Layer 3 (first).
  • LG: No append-only auditing, no canary model training, no dream mode simulation.
  • WD: MAGMA 5-layer provenance + 8 specialist models + counterfactual simulations.
  • LG's advantage: stronger cloud ecosystem and documentation.

vs. AutoGen / CrewAI

  • AG/CA: Multi-agent frameworks, but without deterministic solvers.
  • WD: 7+ deterministic solvers are routed BEFORE any LLM call.
  • AG/CA: No edge/factory profiles, no offline-first architecture.
  • WD: 4 profiles (GADGET → FACTORY), fully offline, from ESP32 to DGX.
  • AG/CA: No autonomous overnight learning or canary promotion.

vs. Ollama / LocalAI

  • Ollama: Local LLM engine, no decision-making architecture.
  • WD: Uses Ollama as one component (Layer 1 fallback), but builds solver routing, MAGMA auditing, specialist models, and Dream Mode on top.
  • Ollama is the engine. WaggleDance is the whole car.

vs. n8n / Node-RED

  • n8n/NR: Visual workflow automation tools, excellent flow editors.
  • WD: Not a visual flow editor but an autonomous multi-agent runtime that learns and improves.
  • n8n/NR: No sklearn models, no append-only provenance, no counterfactual simulation.
  • WD: 8 models + 9 SQLite databases + ChromaDB/FAISS + Dream Mode.

Juurutamine — WD's Advantage

  • Docker: clone → docker compose up -d — Ollama, Voikko (Finnish NLP), and the app all in one.
  • No separate manual installations in Docker mode.
  • 4 profiles with automatic hardware detection (GADGET / COTTAGE / HOME / FACTORY).

Time Evolution — WD's Decisive Advantage Over ALL Competitors

No competitor improves autonomously over time. WaggleDance is the only one that builds cumulative expertise.

TimeWaggleDanceKodu AssistantLangGraphAutoGen/CrewAINode-RED/n8nOllama
Day 1LLM fallback ~30-50%, solvers learningSame as alwaysSame as alwaysSame as alwaysSame as alwaysSame as always
Month 1HotCache fills, LLM ~20-30%, first canary promotionsNo changeNo changeNo changeNo changeNo change
Month 6LLM ~10-15%, specialists maturing, ~180 nights of Dream ModeNo changeNo changeNo changeNo changeNo change
Year 1LLM ~5-8%, MAGMA with thousands of audited pathsNo changeNo changeNo changeNo changeNo change
Year 2LLM <3-5%, >95% deterministic, TCO a fraction of day 1No changeNo changeNo changeNo changeNo change

The competitors' column is empty everywhere except day 1. They don't learn. They don't improve. On day 730, they are exactly the same as on day 1.

Korduma kippuvad küsimused

Is WaggleDance Swarm AI free?

Yes. Download and run immediately. Apache 2.0 parts are freely usable. Non-commercial personal use of BUSL-protected modules is permitted. For commercial use, check the license terms on GitHub.

Does it require an internet connection?

No. WaggleDance is designed to work fully offline on local hardware. Internet is only needed for initial setup and updates.

What hardware is needed?

Minimum: Raspberry Pi 4 or equivalent (GADGET profile). Recommended: modern x86 server for multi-agent orchestration (FACTORY profile).

Why Grok for analysis?

You get a quick second technical opinion on the public repo, documentation, and competitive landscape. You can use the same prompt in Claude, ChatGPT, or any other LLM.

What is MAGMA?

An auditing and provenance framework. Every agent decision is recorded so you get traceability, replay, and trust assessment visibility.

What is Dream Mode?

An overnight learning mode where the system reviews the day's failures, simulates better routes, and builds better models for the next day — automatically without user action.

What happens after first startup?

Dashboard and Hologram Brain are available immediately. First response speed depends on profile and hardware.

Media