רוב מערכות ה־AI עושות את אותה הטעות.

הן שואלות תחילה את מודל השפה ומקוות שהתשובה תישמע נכונה.

Watch 30 second demo

הטבע פתר את הבעיה הזו לפני מיליוני שנים.

בכוורת, גילוי לא הופך להחלטה כי פועלת אחת אומרת זאת. גלאית חוזרת לכוורת ורוקדת דמות שמונה על הדופן האנכית של חלת הדבש — הזווית מציינת את הכיוון, המשך מציין את המרחק, והמרץ מציין את האיכות. אבל הריקוד אינו מונולוג. דבורים אחיות עוקבות אחר הרוקדת, נוגעות בה במחושיהן ומקבלות משוב בזמן אמת. רק כאשר המסר שורד את ביקורת הקהילה נוצר מסלול ששווה לעקוב אחריו.

WaggleDance בנויה על ההיגיון הזה.

היא לא מוסרת את הבעיה ישירות ל־LLM. היא מנתבת אותה תחילה לפותר הנכון, מאמתת את התוצאה באמצעות כמה סוכנים ומשתמשת במודלי שפה רק כאשר הם באמת עוזרים. כל צעד משאיר עקבות ביקורת. כל פתרון ניתן להצדקה. כל מחזור בונה את המומחיות העצמית של המערכת.

ריקוד השמונייה הפך לניתוב אלגוריתמי. חלת הדבש הפכה למבנה הזיכרון MAGMA. ומנוחת הלילה של הדבורים הפכה ל־Dream Mode — סימולציה שבה המערכת בוחנת את כשלונות היום, מנסה אלפי מסלולים חלופיים ומתעוררת חכמה יותר.

זו לא מטפורה. זוהי ארכיטקטורה של בינה קולקטיבית של מכונות.

Solver-first, לא chat-first
Offline / פרטי / חומרה עצמאית
MAGMA: הפעלה מחדש, מקור, אמון
שכפלו ובדקו כעת

⮕ Clone & Run

הורד, פצל והרץ מקומית מיד. כל המאגר זמין ב־GitHub ללא הרשמה.

License model: Apache 2.0 + BUSL 1.1 (open core + source-available protected modules). Check the terms on GitHub.
BUSL module change date: March 18, 2030.

למה זה שונה

AI שלא מנחש

הפותרים הולכים ראשונים. המאמת בודק. ה־LLM מצטרף רק כשהפותר הנכון לא מספיק.

AI שזוכר הכל

MAGMA מתעד החלטות, מקורות, שחזורים וציוני אמון. ראו מה קרה, למה ובאיזה סדר.

AI שלומד בלילה

Dream Mode בוחן כשלונות, מדמה מסלולים טובים יותר ובונה מודלים טובים יותר למחר.

AI שמראה את מצבו

Hologram Brain הופך את מצב 32 הצמתים לנראה בזמן אמת. אתה לא צופה בקופסה שחורה — אתה צופה במערכת פעילה.

AI שנשאר ברשת שלך

הכול רץ בסביבה שלך. אין ענן חובה, אין נתוני prompt שעוזבים את הבית, אין תלות ב־SaaS.

AI שניתן להרחבה

אותו קוד עובד מ־Raspberry Pi ועד פרופיל מפעל. לא רק דמו, לא רק מסגרת.

פרופילי פריסה — אותה סביבת ריצה, ארבעה פרופילים

מכשיר GADGET

RPi, edge, חיישן

קוטג׳ COTTAGE

Offline, חיבור לא יציב

בית HOME

אוטומציה מקומית

מפעל FACTORY

ניטור, חריגות, ביקורת

Dashboard ו־Hologram Brain זמינים מיד אחרי האתחול. מהירות התגובה הראשונה תלויה בפרופיל, בחומרה ובשאלה אם משתמשים במצב full או stub.

מה קורה כשאתם לוחצים על “נתח מאגר”?

הפרומפט נשלח ישירות ל־Grok — ומועתק ללוח שלכם כגיבוי

Grok נפתח בכרטיס חדש עם הפרומפט המוכן

תקבלו ניתוח מקיף של המאגר, השוואה מדורגת מול מתחרים והערכת מוכנות למפעל.

אם מילוי אוטומטי לא עובד, הדביקו ידנית — הפרומפט כבר בלוח שלכם.

אפשר להשתמש באותו פרומפט גם ב־Claude, ChatGPT או בכל LLM אחר. Grok היא ברירת המחדל בדף זה.

מה Grok מנתח

כשאתם לוחצים על “נתח מאגר”, ה־AI מבצע ניתוח עמוק הכולל:

מצב קוד נוכחי

הענף הראשי, ארכיטקטורה, מודולים והקומיטים האחרונים

README מול המציאות

מה מיושם מול מה מתוכנן או אספירציונלי

בדיקות ובשלות

כיסוי בדיקות, בשלות מעשית ומוכנות לייצור

Hologram Brain ו־MAGMA

מודל זיכרון, ארכיטקטורת ביקורת, מקוריות ומנגנוני אמון

השוואה מול מתחרים

ניקוד 1-10 על שישה צירים מול בית Assistant, Node-RED, n8n, Open WebUI, LangGraph, AutoGen, CrewAI, Ollama

הערכת פריסת מפעל

מקרי שימוש תעשייתיים, סיכונים, אינטגרציות חסרות, חסמי פריסה

פרומפט ניתוח:

פרומפטי Grok להמשך

לחצו על פרומפט כדי להעתיק. הדביקו בסשן Grok שלכם לחקירה מעמיקה.

איך לחבר את WaggleDance?

בחרו פרופיל וקבלו מ־Grok מדריך פריסה מותאם אישית.

איך WaggleDance נמדד מול השאר

כל כלי למטה טוב במה שהוא עושה. ההשוואה נועדה להראות איך ארכיטקטורת solver-first של WaggleDance שונה — לא לטעון שאחרים גרועים.

vs. בית 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.

פריסה — 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.

Time	WaggleDance	בית Assistant	LangGraph	AutoGen/CrewAI	Node-RED/n8n	Ollama
Day 1	LLM fallback ~30-50%, solvers learning	Same as always	Same as always	Same as always	Same as always	Same as always
Month 1	HotCache fills, LLM ~20-30%, first canary promotions	No change	No change	No change	No change	No change
Month 6	LLM ~10-15%, specialists maturing, ~180 nights of Dream Mode	No change	No change	No change	No change	No change
Year 1	LLM ~5-8%, MAGMA with thousands of audited paths	No change	No change	No change	No change	No change
Year 2	LLM <3-5%, >95% deterministic, TCO a fraction of day 1	No change	No change	No change	No change	No 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.

שאלות נפוצות

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.