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

Mifumo mingi ya AI hufanya kosa lile lile.

Hutuma tatizo moja kwa moja kwa modeli ya lugha na kutumaini jibu litakuwa sahihi.

Asili ilitatua tatizo hili mamilioni ya miaka iliyopita.

Katika kundi la nyuki, ugunduzi hauwi uamuzi kwa sababu nyuki mmoja anaamua. Nyuki mpelelezi hurudi kwenye pango na kucheza ngoma ya nane kwenye sega la wima — pembe inaonyesha mwelekeo, urefu unaonyesha umbali, nguvu inaonyesha ubora. Lakini ngoma si mazungumzo ya peke yake. Nyuki dada humfuata mcheza, humgusa kwa antena zao, na kutoa maoni kwa wakati halisi. Ishara za kusimamisha zinaweza kusimamisha ngoma kabisa. Ni pale tu ujumbe unapovumilia uchunguzi wa kijamii, njia inapostahili kusafiriwa.

WaggleDance imejengwa kwa mantiki hii.

Haitoi tatizo moja kwa moja kwa LLM. Inalielekeza kwanza kwa mtatuzi sahihi, huthibitisha matokeo kupitia wakala kadhaa, na hutumia modeli za lugha pale tu zinaposaidia kweli. Kila hatua huacha nyayo zinazofuatilika. Kila suluhu inaweza kukaguliwa. Kila mzunguko huongeza maarifa ya mfumo wenyewe.

Ngoma ya nane ilibadilika kuwa uongozaji wa algoritimu. Sega likawa muundo wa kumbukumbu wa MAGMA. Na usingizi wa usiku wa nyuki ukawa Dream Mode — uigaji ambapo mfumo hukagua kushindwa kwa siku, hujaribu njia nyingine elfu, na kuamka ukiwa mwerevu zaidi.

Hii si sitiari. Huu ni uhandisi wa akili ya pamoja.

Clone & Run

Pakua, fork na endesha ndani sasa hivi. Hazina nzima inapatikana kwenye GitHub bila usajili.

Leseni: Apache 2.0 + BUSL 1.1 (msingi wazi + moduli zilizolindwa). Angalia masharti kwenye GitHub.
Tarehe ya mabadiliko ya BUSL: 18 Machi 2030.

v3.5.7 Toleo jipya 2026-04-12
445+ Commits
5 581 Majaribio kamili ya pytest (v3.5.7)
4 Wasifu wa usambazaji

Kwa nini ni tofauti

AI haibashiri

Watatuzi husonga mbele kwanza. Mthibitishaji hukagua. LLM huingilia tu wakati mtatuzi sahihi hatoshi.

AI hukumbuka yote

MAGMA hurekodi maamuzi, vyanzo, marudio na alama za uaminifu. Tazama kilichotokea, kwa nini, na kwa mpangilio gani.

AI hujifunza usiku

Dream Mode hukagua kushindwa, huiga njia bora, na kujenga modeli bora kwa siku inayofuata.

AI huonyesha hali yake

Hologram Brain hufanya hali ya nodi 32 kuonekana kwa wakati halisi. Huoni sanduku jeusi — unaona mfumo ulioamka.

AI hukaa kwenye mtandao wako

Kila kitu huendeshwa katika mazingira yako mwenyewe. Hakuna wingu la lazima, hakuna data ya prompt inayotoka, hakuna utegemezi wa SaaS.

AI hukua

Msimbo ule ule hufanya kazi kutoka Raspberry Pi hadi wasifu wa kiwanda. Si onyesho tu, si mfumo tu.

Wasifu wa usambazaji — runtime ile ile, wasifu nne

Gadget GADGET

RPi, edge, sensa

Cottage COTTAGE

Nje ya mtandao, muunganisho wa mara kwa mara

Nyumbani HOME

Otomatiki ya nyumbani

Kiwanda FACTORY

Ufuatiliaji, upungufu, ukaguzi

Dashibodi na Hologram Brain zinapatikana mara tu baada ya kuanza. Kasi ya jibu la kwanza hutegemea wasifu, vifaa, na ikiwa hali kamili au stub inatumika.

Nini hutokea unapobofya “Chambua hazina”?

1

Kichocheo hutumwa moja kwa moja kwa Grok — na kunakiliwa kwenye ubao wako wa kunakili kama nakala rudufu

2

Grok hufunguka kwenye kichupo kipya na kichocheo tayari

3

Unapata uchambuzi wa kina wa hazina, ulinganisho uliopimwa na washindani, na tathmini ya ufaaji wa kiwanda

Ikiwa ujazaji wa awali hautafanya kazi, bandika kwa mkono — kichocheo tayari kiko kwenye ubao wako.

Unaweza pia kutumia kichocheo hicho hicho katika Claude, ChatGPT au LLM nyingine yoyote. Grok ni chaguo-msingi kwenye ukurasa huu.

Grok huchambua nini

Unapobofya “Chambua hazina”, mfumo hutekeleza uchambuzi wa kina:

1
Hali ya sasa ya msimbo

Tawi kuu, muundo, moduli, na commits za hivi karibuni

2
README dhidi ya uhalisia

Kilichotekelezwa dhidi ya kilichopangwa au kinacholengwa

3
Majaribio na ukomavu

Ukamilifu wa majaribio, ukomavu wa kweli, na utayari wa uzalishaji

4
Hologram Brain na MAGMA

Muundo wa kumbukumbu, usanifu wa ukaguzi, asili ya data, na mifumo ya uaminifu

5
Ulinganisho wa washindani

Alama 1-10 kwenye mihimili sita dhidi ya Nyumbani Assistant, Node-RED, n8n, Open WebUI, LangGraph, AutoGen, CrewAI, Ollama

6
Tathmini ya usambazaji wa kiwanda

Matumizi ya viwanda, hatari, viunganishi vinavyokosekana, vikwazo vya usambazaji

Vichocheo vya kufuatilia vya Grok

Bofya kichocheo ili kukinakili. Bandika kwenye kikao chako cha Grok kwa uchunguzi wa kina zaidi.

WaggleDance huingiaje?

Chagua wasifu na upate mwongozo wa usambazaji uliobinafsishwa kutoka Grok.

Jinsi WaggleDance inavyolinganishwa

Kila zana hapa chini ni bora katika kile inafanya. Ulinganisho huu unaonyesha jinsi usanifu wa WaggleDance wa mtatuzi-kwanza ni tofauti — si kwamba zingine ni mbaya.

vs. Nyumbani 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.

Usambazaji — 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.

TimeWaggleDanceNyumbani 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.

Maswali ya mara kwa mara

Je, WaggleDance Swarm AI ni bure?

Ndiyo. Pakua na uendeshe mara moja. Sehemu za Apache 2.0 zinatumika bure. Matumizi ya kibinafsi yasiyo ya biashara ya moduli zilizolindwa na BUSL yanaruhusiwa. Kwa matumizi ya biashara, angalia masharti kwenye GitHub.

Je, inahitaji muunganisho wa intaneti?

Hapana. WaggleDance imeundwa kufanya kazi kikamilifu nje ya mtandao kwenye vifaa vya ndani. Intaneti inahitajika tu kwa usanidi wa awali na sasisho.

Vifaa vipi vinahitajika?

Chini: Raspberry Pi 4 au sawa (wasifu wa GADGET). Inashauriwa: seva ya kisasa ya x86 kwa uongozi wa wakala wengi (wasifu wa FACTORY).

Kwa nini Grok kwa uchambuzi?

Unapata maoni ya pili ya kiufundi haraka kwa hazina ya umma. Unaweza kutumia kichocheo hicho hicho katika Claude, ChatGPT au LLM nyingine yoyote.

MAGMA ni nini?

Mfumo wa ukaguzi na kuanza. Kila uamuzi wa wakala huhifadhiwa ili kuhakikisha ufuatiliaji, kurudi, na tathmini ya kuaminika.

Dream Mode ni nini?

Hali ya kujifunza usiku ambapo mfumo hukagua kushindwa kwa siku, huiga njia bora, na kujenga modeli bora kwa siku inayofuata — kiotomatiki, bila uingiliaji wa mtumiaji.

Nini hutokea baada ya kuanza kwa kwanza?

Dashibodi na Hologram Brain zinapatikana mara moja. Kasi ya jibu la kwanza hutegemea wasifu na vifaa.

Media