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 𒅴 𒂠
Ahkerat Mehiläiset

Suurin osa AI-järjestelmistä tekee saman virheen.

Ne kysyvät ensin kielimallilta ja toivovat, että vastaus kuulostaa oikealta.

Luonto ratkaisi tämän ongelman jo miljoonia vuosia sitten.

Mehiläispesässä löydös ei muutu päätökseksi siksi, että yksi toimija niin sanoo. Tiedustelija palaa pesään ja tanssii kahdeksikkomaisen reitin hunajakennon pystypinnalla — suoran osion kulma kertoo suunnan, kesto etäisyyden, vilkkaus laadun. Mutta tanssi ei ole yksinpuhelu. Kokeneemmat sisarukset seuraavat tanssijaa, koskettavat sitä tuntosarvillaan ja antavat palautetta reaaliajassa. Stop-signaali voi katkaista tanssin kokonaan. Vasta kun viesti kestää yhteisön tarkastelun, syntyy reitti, johon kannattaa sitoutua.

WaggleDance on rakennettu tämän logiikan päälle.

Se ei anna ongelmaa suoraan LLM:lle. Se ohjaa sen ensin oikealle solverille, tarkistaa tuloksen useiden agenttien kautta ja käyttää kielimallia vasta silloin, kun siitä on oikeasti hyötyä. Jokaisesta vaiheesta jää auditoitava jälki. Jokainen ratkaisu on perusteltavissa. Jokainen sykli kasvattaa järjestelmän omaa osaamista.

Kahdeksikkotanssi kääntyi algoritmiseksi reititykseksi. Hunajakenno kääntyi MAGMA-muistiarkkitehtuuriksi. Ja mehiläisten yölepo kääntyi Dream Modeksi — simulaatioksi, jossa järjestelmä käy läpi päivän epäonnistumiset, testaa tuhansia vaihtoehtoisia polkuja ja palaa aamulla viisaampana.

Tämä ei ole metafora. Tämä on arkkitehtuuri kollektiiviselle koneälylle.

Clone & Run

Lataa, forkkaa ja aja paikallisesti heti. Koko repo on saatavilla GitHubissa ilman rekisteröitymistä.

Lisenssimalli: Apache 2.0 + BUSL 1.1 (open core + source-available protected modules). Tarkista käyttöehdot GitHubista.
BUSL-moduulien muutospäivä: 2030-03-19.

v3.6.0 Viimeisin julkaisu 2026-04-27
585 Commitit
5 581 Täydet pytestit (v3.6.0)
4 Käyttöönottoprofiilit

Miksi tämä on erilainen

AI joka ei arvaa

Solverit menevät ensin. Verifier tarkistaa. LLM tulee mukaan vasta kun oikea ratkaisija ei riitä.

AI joka muistaa kaiken

MAGMA tallentaa päätökset, lähteet, replayn ja luottamuspisteet. Näet mitä tapahtui, miksi ja missä järjestyksessä.

AI joka oppii yöllä

Dream Mode käy läpi epäonnistumiset, simuloi parempia reittejä ja rakentaa seuraavaan päivään parempia malleja.

AI joka näyttää tilansa

Hologram Brain tekee 32 solmun tilan näkyväksi livenä. Et katso mustaa laatikkoa vaan toimivaa järjestelmää.

AI joka pysyy verkossasi

Kaikki pyörii omassa ympäristössä. Ei pakollista pilveä, ei promptidataa ulos, ei SaaS-riippuvuutta.

AI joka skaalautuu

Sama koodikanta toimii Raspberry Pi:sta tehdasprofiiliin. Ei pelkkä demo, ei pelkkä framework.

Käyttöönottoprofiilit — sama runtime, neljä profiilia

Laite GADGET

RPi, edge, sensori

Mökki COTTAGE

Offline, satunnainen yhteys

Koti HOME

Paikallinen automaatio

Tehdas FACTORY

Monitorointi, anomaliat, audit

Dashboard ja Hologram Brain ovat käytettävissä heti käynnistyksen jälkeen. Ensimmäisen vastauksen nopeus riippuu profiilista, laitteistosta ja siitä, käytetäänkö täyttä vai stub-tilaa.

Mitä tapahtuu kun klikkaat “Analysoi repositorio”?

1

Prompti lähetetään suoraan Grokille — ja kopioidaan leikepöydälle varmuudeksi

2

Grok avautuu uuteen välilehteen valmiilla promptilla

3

Saat kattavan suomenkielisen analyysin reposta, pisteytetyn kilpailijavertailun ja tehdaskäyttöarvion

Jos esitäyttö ei toimi, liitä manuaalisesti — prompti on jo leikepöydälläsi.

Voit käyttää samaa promptia myös Claudessa, ChatGPT:ssä tai muussa LLM:ssä. Grok on tämän sivun oletusvalinta.

Mitä Grok analysoi

Kun klikkaat “Analysoi repositorio”, tekoäly suorittaa syvällisen analyysin, joka kattaa:

1
Koodikannan nykytila

Päähaara, arkkitehtuuri, moduulit ja viimeisimmät commitit

2
README vs. todellisuus

Mikä on toteutettu vs. mikä on suunniteltua tai tavoitteellista

3
Testit ja kypsyys

Testikattavuus, käytännön kypsyys ja tuotantovalmius

4
Hologram Brain ja MAGMA

Muistimalli, auditointiarkkitehtuuri, provenienssi ja luottamusmekaniikat

5
Kilpailijavertailu

Pisteytetty 1–10 kuudella akselilla vs Home Assistant, Node-RED, n8n, Open WebUI, LangGraph, AutoGen, CrewAI, Ollama

6
Tehdaskäyttöönottoarviointi

Teolliset käyttötapaukset, riskit, puuttuvat integraatiot, käyttöönoton esteet

Jatko-Grok-promptit

Klikkaa promptia kopioidaksesi sen. Liitä Grok-istuntoosi syvempää tutkimista varten.

Miten kytken WaggleDancen?

Valitse profiili ja saat Grokilta räätälöidyn käyttöönotto-ohjeen.

Miten WaggleDance vertautuu

Jokainen alla oleva työkalu on hyvä omassa tehtävässään. Vertailun tarkoitus on näyttää, miten WaggleDancen solver-first-arkkitehtuuri eroaa — ei väittää muiden olevan huonoja.

vs. Home 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: 14 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 + 14 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: 14 specialist models + MAGMA audit trail + ChromaDB/FAISS + Dream Mode.

Käyttöönotto — 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 Human-Gated Learning Curve

Most workflow and local-LLM tools do not build a WaggleDance-style local, auditable learning trail by default. WaggleDance accumulates capability through solver evidence, MAGMA provenance, specialist models, Dream Mode simulations, and human-gated promotion. Illustrative projection, not a measured guarantee. Runtime promotion remains human-gated where safety requires it.

TimeWaggleDanceHome 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.

Usein kysytyt kysymykset

Onko WaggleDance Swarm AI ilmainen?

Kyllä. Lataa ja aja heti. Apache 2.0 -osat ovat vapaasti käytettävissä. BUSL-suojattujen moduulien henkilökohtainen ei-kaupallinen käyttö on sallittu. Kaupallisessa käytössä tarkista lisenssiehdot GitHubista.

Vaatiiko se internet-yhteyttä?

Ei. WaggleDance on suunniteltu toimimaan täysin offline-tilassa paikallisella laitteistolla. Internet tarvitaan vain alkuasennukseen ja päivityksiin.

Mitä laitteistoa tarvitaan?

Minimi: Raspberry Pi 4 tai vastaava (GADGET-profiili). Suositeltu: moderni x86-palvelin moniagenttiorkestrointiin (FACTORY-profiili).

Miksi juuri Grok analyysiin?

Saat nopeasti toisen teknisen näkemyksen julkisesta reposta, dokumentaatiosta ja kilpailijakentästä. Voit käyttää samaa promptia myös Claudessa, ChatGPT:ssä tai muussa LLM:ssä.

Mikä on MAGMA?

Auditointi- ja provenienssikehys. Jokainen agenttipäätös kirjataan niin, että saat jäljitettävyyden, replayn ja luottamuksen arvioinnin näkyviin.

Mikä on Dream Mode?

Yöoppimistila jossa järjestelmä käy läpi päivän epäonnistumiset, simuloi parempia reittejä ja kasvattaa seuraavaan päivään parempia malleja — automaattisesti ilman käyttäjän toimia.

Mitä tapahtuu ensimmäisen käynnistyksen jälkeen?

Dashboard ja Hologram Brain ovat käytettävissä heti. Ensimmäisen vastauksen nopeus riippuu profiilista ja laitteistosta.

Media