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

Çoğu yapay zeka sistemi aynı hatayı yapar.

Önce dil modeline sorarlar ve cevabın doğru çıkacağını umarlar.

Doğa bu sorunu milyonlarca yıl önce çözdü.

Bir arı kovanında, bir keşif tek bir aktörün söylediği için karar haline gelmez. Keşifçi arı kovana döner ve dikey petek yüzeyinde sekiz şeklinde bir dans yapar — düz bölümün açısı yönü, süresi mesafeyi, canlılığı kaliteyi belirtir. Ancak dans bir monolog değildir. Daha deneyimli kız kardeşler dansçıyı takip eder, antenleriyle ona dokunur ve gerçek zamanlı geri bildirim verir. Bir durdurma sinyali dansı tamamen durdurabilir. Yalnızca mesaj topluluk denetiminden geçtiğinde, taahhüt edilmeye değer bir rota ortaya çıkar.

WaggleDance bu mantık üzerine inşa edilmiştir.

Sorunu doğrudan bir LLM’ye vermez. Önce doğru çözücüye yönlendirir, sonucu birden fazla ajanla doğrular ve dil modelini yalnızca gerçekten işe yaradığında kullanır. Her adım denetlenebilir bir iz bırakır. Her çözüm gerekçelendirilebilir. Her döngü sistemin kendi uzmanlığını artırır.

Sekiz dansı algoritmik yönlendirmeye dönüştü. Petek, MAGMA bellek mimarisine dönüştü. Ve arıların gece dinlenmesi Dream Mode oldu — sistemin günün başarısızlıklarını gözden geçirdiği, binlerce alternatif yolu test ettiği ve sabah daha akıllı döndüğü bir simülasyon.

Bu bir mecaz değil. Bu, kolektif makine zekası için bir mimaridir.

Clone & Run

Hemen indirin, fork’layın ve yerel olarak çalıştırın. Deponun tamamı GitHub’da kayıt gerektirmeden kullanılabilir.

Lisans modeli: Apache 2.0 + BUSL 1.1 (açık çekirdek + kaynak kodu mevcut korumalı modüller). Koşulları GitHub üzerinden kontrol edin.
BUSL modül değişiklik tarihi: 18 Mart 2030.

v3.6.0 Son Sürüm 2026-04-27
585 Commit Sayısı
5 581 Tam Pytest Testleri (v3.6.0)
4 Dağıtım Profilleri

Bu Neden Farklı

Tahmin Etmeyen Yapay Zeka

Çözücüler önce devreye girer. Doğrulayıcı kontrol eder. LLM yalnızca doğru çözücü yeterli olmadığında katılır.

Her Şeyi Hatırlayan Yapay Zeka

MAGMA kararları, kaynakları, tekrar oynatmaları ve güven puanlarını kaydeder. Ne olduğunu, neden olduğunu ve hangi sırayla olduğunu görün.

Gece Boyunca Öğrenen Yapay Zeka

Dream Mode başarısızlıkları gözden geçirir, daha iyi rotalar simüle eder ve ertesi gün için daha iyi modeller oluşturur.

Durumunu Gösteren Yapay Zeka

Hologram Brain, 32 düğümün durumunu gerçek zamanlı olarak görünür kılar. Bir kara kutu izlemiyorsunuz — çalışan bir sistemi izliyorsunuz.

Ağınızda Kalan Yapay Zeka

Her şey kendi ortamınızda çalışır. Zorunlu bulut yok, prompt verisi sızıntısı yok, SaaS bağımlılığı yok.

Ölçeklenen Yapay Zeka

Aynı kod tabanı Raspberry Pi’den fabrika profiline kadar çalışır. Sadece bir demo değil, sadece bir çerçeve değil.

Dağıtım Profilleri — aynı çalışma zamanı, dört profil

Cihaz GADGET

RPi, uç birim, sensör

Kır Evi COTTAGE

Çevrimdışı, aralıklı bağlantı

Ev HOME

Yerel otomasyon

Fabrika FACTORY

İzleme, anomaliler, denetim

Gösterge paneli ve Hologram Brain başlatıldıktan hemen sonra kullanılabilir. İlk yanıt hızı profile, donanıma ve tam mod ya da stub mod kullanımına bağlıdır.

“Depoyu Analiz Et” düğmesine tıkladığınızda ne olur?

1

Prompt doğrudan Grok’a gönderilir — ve yedek olarak panonuza kopyalanır

2

Grok yeni bir sekmede prompt hazır olarak açılır

3

Deponun kapsamlı bir analizini, puanlı rakip karşılaştırmasını ve fabrika hazırlığı değerlendirmesini alırsınız

Ön doldurma çalışmazsa, elle yapıştırın — prompt zaten panonuzdadır.

Aynı promptu Claude, ChatGPT veya başka herhangi bir LLM’de de kullanabilirsiniz. Grok bu sayfadaki varsayılan seçimdir.

Grok Ne Analiz Eder

“Depoyu Analiz Et” düğmesine tıkladığınızda, yapay zeka şunları kapsayan derin bir analiz gerçekleştirir:

1
Mevcut Kod Tabanı Durumu

Ana dal, mimari, modüller ve son commit’ler

2
README ile Gerçeklik Karşılaştırması

Uygulanan özellikler ile planlanan veya hedeflenen özellikler arasındaki fark

3
Testler ve Olgunluk

Test kapsamı, pratik olgunluk ve üretim hazırlığı

4
Hologram Brain ve MAGMA

Bellek modeli, denetim mimarisi, köken ve güven mekanizmaları

5
Rakip Karşılaştırması

Altı eksende 1-10 puanlama: Home Assistant, Node-RED, n8n, Open WebUI, LangGraph, AutoGen, CrewAI, Ollama ile karşılaştırma

6
Fabrika Dağıtım Değerlendirmesi

Endüstriyel kullanım senaryoları, riskler, eksik entegrasyonlar, dağıtım engelleri

Takip Grok Promptları

Kopyalamak için bir prompta tıklayın. Daha derin keşif için Grok oturumunuza yapıştırın.

WaggleDance’ı Nasıl Kurarım?

Bir profil seçin ve Grok’tan özelleştirilmiş bir dağıtım kılavuzu alın.

WaggleDance Karşılaştırması

Aşağıdaki her araç kendi alanında başarılıdır. Karşılaştırma, WaggleDance’ın çözücü öncelikli mimarisinin nasıl farklılaştığını göstermek içindir — diğerlerinin kötü olduğunu iddia etmek için değil.

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.

Dağıtım — 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.

Sık Sorulan Sorular

WaggleDance Swarm AI ücretsiz mi?

Evet. Hemen indirip çalıştırabilirsiniz. Apache 2.0 parçaları serbestçe kullanılabilir. BUSL korumalı modüllerin ticari olmayan kişisel kullanımına izin verilir. Ticari kullanım için GitHub’daki lisans koşullarını kontrol edin.

İnternet bağlantısı gerektiriyor mu?

Hayır. WaggleDance yerel donanım üzerinde tamamen çevrimdışı çalışacak şekilde tasarlanmıştır. İnternet yalnızca ilk kurulum ve güncellemeler için gereklidir.

Hangi donanım gerekli?

Minimum: Raspberry Pi 4 veya eşdeğeri (GADGET profili). Önerilen: çok ajanlı orkestrasyon için modern x86 sunucu (FACTORY profili).

Analiz için neden Grok?

Herkese açık depo, dokümantasyon ve rekabet ortamı hakkında hızlı bir ikinci teknik görüş alırsınız. Aynı promptu Claude, ChatGPT veya başka herhangi bir LLM’de kullanabilirsiniz.

MAGMA nedir?

Bir denetim ve köken çerçevesidir. Her ajan kararı kaydedilir, böylece izlenebilirlik, tekrar oynatma ve güven değerlendirmesi görünürlüğü elde edersiniz.

Dream Mode nedir?

Sistemin günün başarısızlıklarını gözden geçirdiği, daha iyi rotalar simüle ettiği ve ertesi gün için daha iyi modeller oluşturduğu bir gece öğrenme modudur — kullanıcı eylemi olmadan otomatik olarak.

İlk başlatıldıktan sonra ne olur?

Gösterge paneli ve Hologram Brain hemen kullanılabilir. İlk yanıt hızı profile ve donanıma bağlıdır.

Media