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

بیشتر سیستم‌های هوش مصنوعی همین اشتباه را می‌کنند.

مسئله را مستقیم به مدل زبانی می‌فرستید و امید دارید پاسخ درست باشد.

طبیعت میلیون‌ها سال پیش این مسئله را حل کرده است.

در یک کلونی زنبور عسل، یک کشف به این خاطر تبدیل به تصمیم نمی‌شود که یک زنبور تصمیم بگیرد. زنبور دیده‌بان به کندو بازمی‌گردد و بر شانهٔ عمودی رقص هشت را اجرا می‌کند — زاویه جهت را نشان می‌دهد، طول، فاصله را و شدت، کیفیت را. اما رقص یک تک‌گویی نیست. زنبورهای خواهر رقصنده را دنبال می‌کنند، با شاخک‌های خود او را لمس می‌کنند و بازخورد لحظه‌ای می‌دهند. سیگنال‌های توقف می‌توانند رقص را کاملاً متوقف کنند. تنها وقتی پیام از نظارت اجتماعی بگذرد، مسیر مستحق پیمودن می‌شود.

WaggleDance بر اساس این منطق ساخته شده است.

مسئله را مستقیم به LLM نمی‌دهد. ابتدا آن را به حل‌کنندهٔ مناسب هدایت می‌کند، نتیجه را از طریق چند عامل اعتبارسنجی می‌کند و تنها وقتی مدل‌های زبانی واقعاً کمک کنند از آن‌ها استفاده می‌کند. هر گام رد قابل‌پیگیری بر جا می‌گذارد. هر راه‌حل قابل حسابرسی است. هر چرخه دانش خود سیستم را افزایش می‌دهد.

رقص هشت تبدیل به مسیریابی الگوریتمی شد. شانهٔ عسل به ساختار حافظه MAGMA تبدیل شد. و خواب شبانهٔ زنبورها Dream Mode شد — شبیه‌سازی که در آن سیستم شکست‌های روز را بازبینی می‌کند، هزاران مسیر جایگزین را آزمایش می‌کند و صبح هوشمندتر بیدار می‌شود.

این استعاره نیست. این مهندسی هوش جمعی است.

Clone & Run

دانلود، فورک و اجرا به‌طور محلی الآن. مخزن کامل در GitHub بدون ثبت‌نام در دسترس است.

مجوز: Apache 2.0 + BUSL 1.1 (هستهٔ باز + ماژول‌های محافظت‌شده). شرایط را در GitHub ببینید.
تاریخ تغییر BUSL: 18 مارس 2030.

v3.5.7 آخرین نسخه 2026-04-12
445+ کامیت
5 581 تست‌های کامل pytest (v3.5.7)
4 پروفایل‌های استقرار

چرا این متفاوت است

هوش مصنوعی حدس نمی‌زند

حل‌کننده‌ها اول. اعتبارسنج بررسی می‌کند. LLM تنها وقتی وارد می‌شود که حل‌کنندهٔ مناسب کافی نباشد.

هوش مصنوعی همه چیز را به خاطر دارد

MAGMA تصمیم‌ها، منابع، بازپخش‌ها و امتیازهای اعتماد را ثبت می‌کند. ببینید چه اتفاقی افتاد، چرا و به چه ترتیبی.

هوش مصنوعی شب یاد می‌گیرد

Dream Mode شکست‌ها را بررسی می‌کند، مسیرهای بهتر را شبیه‌سازی می‌کند و برای روز بعد مدل‌های بهتر می‌سازد.

هوش مصنوعی وضعیت خود را نشان می‌دهد

Hologram Brain وضعیت 32 گره را در لحظه قابل مشاهده می‌کند. شما جعبهٔ سیاه نمی‌بینید — سیستمی فعال می‌بینید.

هوش مصنوعی در شبکهٔ شما می‌ماند

همه‌چیز در محیط خودتان اجرا می‌شود. بدون ابر اجباری، بدون خروج داده‌های پرامپت، بدون وابستگی به SaaS.

هوش مصنوعی رشد می‌کند

همان کد از Raspberry Pi تا پروفایل کارخانه کار می‌کند. نه فقط دمو، نه فقط چارچوب.

پروفایل‌های استقرار — یک رانتایم، چهار پروفایل

گجت GADGET

RPi، لبه، حسگر

کاتج COTTAGE

آفلاین، اتصال منقطع

خانه HOME

خودکارسازی خانه

کارخانه FACTORY

نظارت، ناهنجاری، ممیزی

داشبورد و Hologram Brain بلافاصله پس از راه‌اندازی در دسترس هستند. سرعت پاسخ اول به پروفایل، سخت‌افزار و حالت (کامل یا stub) بستگی دارد.

وقتی “تحلیل مخزن” را کلیک می‌کنید چه اتفاقی می‌افتد؟

1

پرومپت مستقیم به Grok ارسال می‌شود — و به عنوان پشتیبان در کلیپ‌بورد شما کپی می‌شود

2

Grok در تب جدیدی با پرومپت آماده باز می‌شود

3

تحلیل عمیق مخزن، مقایسهٔ امتیازدهی شده با رقبا و ارزیابی تناسب صنعتی دریافت می‌کنید

اگر پیش‌پرکردن کار نکرد، دستی پیست کنید — پرومپت در کلیپ‌بورد شماست.

می‌توانید همین پرومپت را در Claude، ChatGPT یا هر LLM دیگری استفاده کنید. Grok در این صفحه پیش‌فرض است.

Grok چه چیزی را تحلیل می‌کند

وقتی “تحلیل مخزن” را کلیک می‌کنید، سیستم تحلیل عمیق انجام می‌دهد:

1
وضعیت فعلی کد

شاخهٔ اصلی، ساختار، ماژول‌ها و کامیت‌های اخیر

2
README در مقابل واقعیت

چه چیزی پیاده‌سازی شده است و چه چیزی برنامه‌ریزی‌شده یا آرمانی است

3
تست‌ها و بلوغ

پوشش تست، بلوغ واقع‌بینانه و آمادگی برای تولید

4
Hologram Brain و MAGMA

مدل حافظه، معماری ممیزی، منشأ داده و سازوکارهای اعتماد

5
مقایسه با رقبا

امتیاز 1-10 بر شش محور در برابر خانه Assistant، Node-RED، n8n، Open WebUI، LangGraph، AutoGen، CrewAI، Ollama

6
ارزیابی استقرار صنعتی

موارد استفادهٔ صنعتی، ریسک‌ها، اتصال‌دهنده‌های مفقود و محدودیت‌های استقرار

پرومپت‌های پیگیری Grok

برای کپی روی پرومپت کلیک کنید. برای تحقیق عمیق‌تر در جلسه Grok پیست کنید.

WaggleDance چگونه متناسب می‌شود؟

یک پروفایل انتخاب کنید و راهنمای استقرار سفارشی از Grok دریافت کنید.

WaggleDance چگونه مقایسه می‌شود

هر ابزار زیر در کار خود خوب است. مقایسه نشان می‌دهد که معماری solver-first از WaggleDance چقدر متفاوت است — نه اینکه بقیه بد باشند.

vs. خانه 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.

استقرار — 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.

TimeWaggleDanceخانه 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.

سؤالات متداول

آیا WaggleDance Swarm AI رایگان است؟

بله. دانلود کنید و بلافاصله اجرا کنید. بخش‌های Apache 2.0 آزادانه قابل استفاده‌اند. استفادهٔ شخصی غیرتجاری از ماژول‌های محافظت‌شدهٔ BUSL مجاز است. برای استفادهٔ تجاری شرایط مجوز را در GitHub ببینید.

آیا به اتصال اینترنت نیاز دارد؟

خیر. WaggleDance برای کار کاملاً آفلاین روی سخت‌افزار محلی طراحی شده است. اینترنت فقط برای راه‌اندازی اولیه و به‌روزرسانی‌ها لازم است.

چه سخت‌افزاری لازم است؟

حداقل: Raspberry Pi 4 یا معادل (پروفایل GADGET). توصیه می‌شود: سرور x86 مدرن برای هماهنگ‌سازی چند‌عامله (پروفایل FACTORY).

چرا Grok برای تحلیل؟

دیدگاه فنی دوم سریعی روی مخزن عمومی دریافت می‌کنید. می‌توانید همین پرومپت را در Claude، ChatGPT یا هر LLM دیگری استفاده کنید.

MAGMA چیست؟

چارچوب ممیزی و بوت‌استرپ. هر تصمیم عامل‌ها ثبت می‌شود تا قابلیت ردیابی، بازگشت و ارزیابی قابلیت اعتماد تضمین شود.

Dream Mode چیست؟

حالت یادگیری شبانه که در آن سیستم شکست‌های روز را بررسی می‌کند، مسیرهای بهتر را شبیه‌سازی می‌کند و برای روز بعد مدل‌های بهتر می‌سازد — خودکار، بدون مداخلهٔ کاربر.

پس از اولین راه‌اندازی چه اتفاقی می‌افتد؟

داشبورد و Hologram Brain بلافاصله در دسترس هستند. سرعت پاسخ اول به پروفایل و سخت‌افزار بستگی دارد.

Media