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

De meeste AI-systemen maken dezelfde fout.

Ze sturen het probleem direct naar het taalmodel en hopen dat het antwoord klopt.

De natuur loste dit probleem miljoenen jaren geleden op.

In een bijenkolonie wordt een ontdekking geen beslissing omdat één bij beslist. De verkenner keert terug naar de korf en danst een acht op de verticale raat — de hoek geeft de richting aan, de lengte de afstand, de kracht de kwaliteit. Maar de dans is geen monoloog. Zusterbijen volgen de danseres, raken haar aan met hun antennes en geven realtime feedback. Stopsignalen kunnen de dans volledig afbreken. Alleen wanneer de boodschap sociale toetsing overleeft, verdient het pad om bewandeld te worden.

WaggleDance is op deze logica gebouwd.

Het geeft het probleem niet direct aan een LLM. Het stuurt het eerst naar de juiste solver, valideert het resultaat via meerdere agents en gebruikt taalmodellen alleen wanneer ze echt helpen. Elke stap laat een traceerbaar spoor achter. Elke oplossing is controleerbaar. Elke cyclus vergroot de eigen kennis van het systeem.

De achtjesdans werd algoritmische routering. De honingraat werd de MAGMA-geheugenstructuur. En de nachtrust van de bijen werd Dream Mode — een simulatie waarin het systeem de fouten van de dag doorneemt, duizenden alternatieve paden test en 's ochtends slimmer wakker wordt.

Dit is geen metafoor. Dit is de engineering van collectieve intelligentie.

Clone & Run

Download, fork en run lokaal meteen. De volledige repo is beschikbaar op GitHub zonder registratie.

Licentie: Apache 2.0 + BUSL 1.1 (open core + beschermde modules). Bekijk de voorwaarden op GitHub.
BUSL-wijzigingsdatum: 18 maart 2030.

v3.5.7 Nieuwste release 2026-04-12
445+ Commits
5 581 Volledige pytest tests (v3.5.7)
4 Uitrolprofielen

Waarom dit anders is

AI raadt niet

Solvers komen eerst. De validator controleert. LLM wordt alleen ingezet wanneer de juiste solver niet volstaat.

AI onthoudt alles

MAGMA registreert beslissingen, bronnen, replays en vertrouwensscores. Zie wat er gebeurde, waarom en in welke volgorde.

AI leert 's nachts

Dream Mode beoordeelt fouten, simuleert betere paden en bouwt betere modellen voor de volgende dag.

AI toont zijn status

Hologram Brain maakt de status van 32 knooppunten realtime zichtbaar. Je ziet geen black box — je ziet een actief systeem.

AI blijft op jouw netwerk

Alles draait in je eigen omgeving. Geen verplichte cloud, geen promptdata die naar buiten gaat, geen SaaS-afhankelijkheid.

AI schaalt

Dezelfde code werkt van Raspberry Pi tot fabrieksprofiel. Niet alleen demo, niet alleen framework.

Uitrolprofielen — zelfde runtime, vier profielen

Gadget GADGET

RPi, edge, sensor

Cottage COTTAGE

Offline, intermitterende verbinding

Thuis HOME

Huisautomatisering

Fabriek FACTORY

Monitoring, anomalieën, audit

Dashboard en Hologram Brain zijn direct na opstarten beschikbaar. De snelheid van de eerste respons hangt af van profiel, hardware en of volledige of stub-modus wordt gebruikt.

Wat gebeurt er als je op “Analyseer repo” klikt?

1

De prompt wordt direct naar Grok gestuurd — en naar je klembord gekopieerd als back-up

2

Grok opent in een nieuw tabblad met de prompt klaar

3

Je krijgt een diepgaande repo-analyse, een gescoorde concurrentievergelijking en een beoordeling van industriële geschiktheid

Als pre-fill niet werkt, plak handmatig — de prompt staat al op je klembord.

Je kunt dezelfde prompt ook gebruiken in Claude, ChatGPT of elke andere LLM. Grok is de standaard op deze pagina.

Wat Grok analyseert

Wanneer je op “Analyseer repo” klikt, voert het systeem een diepgaande analyse uit:

1
Huidige codetoestand

Hoofdbranch, structuur, modules en recente commits

2
README versus werkelijkheid

Wat is geïmplementeerd versus wat gepland of ambitieus is

3
Tests en volwassenheid

Testdekking, realistische volwassenheid en productiegereedheid

4
Hologram Brain en MAGMA

Geheugenmodel, auditarchitectuur, herkomst en vertrouwensmechanismen

5
Concurrentievergelijking

Score 1-10 op zes assen tegen Thuis Assistant, Node-RED, n8n, Open WebUI, LangGraph, AutoGen, CrewAI, Ollama

6
Industriële uitrolbeoordeling

Industriële use cases, risico's, ontbrekende connectoren, uitrolbeperkingen

Grok-vervolgprompts

Klik op een prompt om te kopiëren. Plak in je Grok-sessie voor diepergaand onderzoek.

Hoe past WaggleDance erin?

Kies een profiel en krijg een gepersonaliseerde uitrolgids van Grok.

Hoe WaggleDance zich verhoudt

Elke tool hieronder is goed in wat het doet. De vergelijking toont hoe de solver-first architectuur van WaggleDance anders is — niet dat de anderen slecht zijn.

vs. Thuis 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.

Uitrol — 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.

TimeWaggleDanceThuis 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.

Veelgestelde vragen

Is WaggleDance Swarm AI gratis?

Ja. Download en draai meteen. Apache 2.0-delen zijn vrij te gebruiken. Niet-commercieel persoonlijk gebruik van BUSL-beschermde modules is toegestaan. Voor commercieel gebruik, bekijk de licentievoorwaarden op GitHub.

Is een internetverbinding nodig?

Nee. WaggleDance is ontworpen om volledig offline te werken op lokale hardware. Internet is alleen nodig voor de eerste installatie en updates.

Welke hardware is nodig?

Minimum: Raspberry Pi 4 of gelijkwaardig (GADGET-profiel). Aanbevolen: moderne x86-server voor multi-agent orkestratie (FACTORY-profiel).

Waarom Grok voor analyse?

Je krijgt een snelle tweede technische mening over de openbare repo. Je kunt dezelfde prompt gebruiken in Claude, ChatGPT of elke andere LLM.

Wat is MAGMA?

Audit- en bootstrap-framework. Elke beslissing van agents wordt vastgelegd voor traceerbaarheid, rollback en betrouwbaarheidsbeoordeling.

Wat is Dream Mode?

Nachtelijke leermodus waarin het systeem de fouten van de dag beoordeelt, betere paden simuleert en betere modellen bouwt voor de volgende dag — automatisch, zonder tussenkomst van de gebruiker.

Wat gebeurt er na de eerste start?

Dashboard en Hologram Brain zijn direct beschikbaar. De snelheid van de eerste respons hangt af van profiel en hardware.

Media