KechuAI

TeamAI：把团队的 AI 资产收进一个 Git 仓库

AI Agent
开源
腾讯
MCP
工程化
2026/10/15
·

阅读时间: 大约 9 分钟

TeamAI：把团队的 AI 资产收进一个 Git 仓库

TeamAI：八种日常场景在使用前后的对比（官方示意图）

当一个团队里有人用 Claude Code、有人用 Cursor、有人用 Codex、还有人用腾讯自家的 CodeBuddy 时，“团队的代码规范是什么、哪些 Skill 该共享、MCP 服务器配在哪”会迅速碎片化。腾讯开源的 teamai-cli（npm 包同名，MIT 协议）给出的答案很直接：把团队所有 AI 资产——skills、rules、env、agents、hooks、MCP、models——统统放进一个共享 Git 仓库，成员执行一次 teamai init <repo> 接入，之后每次开启 AI 会话自动拉取最新内容。本文基于官方 README 与适配矩阵做一次拆解。

一、它解决的真实痛点

过去两年，“提示词工程”逐渐沉淀成”项目里的 AI 上下文”：.cursorrules、CLAUDE.md、.github/copilot-instructions.md、各家 MCP 配置散落在仓库各处，而且每个编码 Agent 都有自己的一套约定。团队想统一一条”代码提交规范”，往往要在 N 个文件里各改一遍；新人入职要手动把同事的配置复制过来。

TeamAI 的立场是：与其让每种 Agent 各自为政，不如把”团队级 AI 资产”当成一种受版本控制的制品，用 Git 做唯一事实来源，再由 CLI 把它分发/同步到每种 Agent 的本地目录。官方称之为”Make Every Team AI Native”。

二、一次接入，自动同步

管理员在任意 Git 托管（GitHub、GitLab、GitCode、CNB、TGit 或私有 Git 服务）建一个共享仓库，默认分支保护、允许成员推分支，然后：

npm install -g teamai-cli
teamai init https://github.com/your-org/your-repo

成员可选择 workspace 级（资源装在工作区目录下，默认）或 user 级（--scope user，装在 ~/）。初始化完成后，“每次 AI 会话自动拉取管理员发布的最新 skills/rules/Harness 更新”，无需手动同步。没有团队仓库时，官方提供 teamai-hub 组织下的模板仓库，Fork 后即可 init。

值得注意的是它的入口已经 Agent 化：官方给新用户的第一条指令甚至不是敲命令，而是把一段话丢给自己的 AI 工具——“安装 teamai skill 并从零为我的团队配置好 TeamAI”。这本身就是把”配置 Agent”这件事交给 Agent 去做。

三、三层能力：一层 GA，两层 beta

官方把能力分成三层，按成熟度区分得很清楚：

能力层状态包含内容
Team Execution（团队执行）正式skills、rules、env、agents、hooks、mcp、models
Team Context（团队上下文）betalearnings、codebase（代码库图谱）、teamwiki
Team Improvement（团队改进）betausage（用量）、sessions（会话）

也就是说，当前真正可用的是”让每个 Agent 按团队方式工作”这一层；“让 Agent 理解团队”（经验沉淀 learnings、代码库图谱、团队 wiki）和”让每次执行反哺团队”（用量看板、会话回看）都还标着 beta。这与 Koala 周报点评里”经验沉淀和用量看板等功能还在 beta 阶段”的说法一致——写文章时不能把 beta 当成已落地能力来吹。

四、适配矩阵：20 种编码 Agent

TeamAI 最硬的一块是它的跨 Agent 适配表。官方 README 列出了 20 种编码 Agent（Claude Code、Codex、Cursor、CodeBuddy、WorkBuddy、GitHub Copilot CLI、OpenCode、Pi Coding Agent、Oh My Pi、OpenClaw、Hermes、DeepSeek Harness、Qoder、Qoder CN、Kiro、Trae、Trae CN、ZCode、JoyCode、Muse Code），并逐列标注 12 项能力的支持情况。几条值得核对的边界：

  • Claude Code 是全绿标杆：12 项能力全部 ✓。
  • models（模型配置）一列最稀疏：Cursor、GitHub Copilot CLI、Qoder、Kiro、Trae、JoyCode 等多数国产/编辑器系 Agent 在此列为 ”—“，说明统一模型配置目前主要惠及终端型 Agent。
  • hooks 一列也较稀疏：OpenClaw、Hermes、DeepSeek Harness、Trae、JoyCode 等不支持 hooks。
  • 官方脚注明确两处”打折”：✓¹ 表示 rules 常驻生效、不受路径限制（常见于 Codex/OpenCode 等）；✓² 表示 env 只能通过 teamai env exec 触达（Pi Coding Agent、DeepSeek Harness、ZCode）。

口径提示：周报里写”适配十九种编码 Agent”，但本文撰写时官方 README 表格已扩展到 20 种，且国产 Agent（CodeBuddy/WorkBuddy/Trae/Qoder/ZCode/JoyCode/Muse Code 等）占了近半——这既是它的差异化，也侧面说明腾讯在国内 Agent 生态里的布点。

Tencent/teamai-cli 仓库主页：约 5.5k stars、439 forks（官方 GitHub 仓库截图）

这个热度可以从仓库数据侧面印证：官方仓库约 5.5k stars、439 forks，Issues 33、PR 19，并已开启 Discussions 板块——说明它不是腾讯挂个名就走的玩具，确实有外部团队在试用和反馈。

五、客观分析：优势与局限

优势：

  1. Git 即事实来源：团队 AI 资产可 review、可回滚、可分支，天然契合已有研发流程；
  2. 跨 Agent 统一分发：一家公司不必再为每种工具维护一套规范副本；
  3. 腾讯生态 + 国际 Agent 通吃：既有 CodeBuddy/WorkBuddy，也覆盖 Claude Code/Codex/Cursor。

局限：

  1. 核心闭环只完成一半：最有想象力的”经验沉淀 learnings / 用量看板 usage / 会话 sessions”全在 beta，当前更像一个”规范与 Skill 分发器”，离”团队学习系统”还有距离；
  2. 适配深度不均：models、hooks 两列大量空缺，统一模型/钩子能力并非全 Agent 可用，脚注里的 ✓¹/✓² 是妥协而非完整支持；
  3. 强依赖 Git 工作流：默认分支保护、成员推权限等约束对小团队有一定管理成本；
  4. 新项目待验证：官方未给出大规模团队的落地数据，成熟度仍需观察。

六、适合谁

  • 已经混用多种编码 Agent 的中型研发团队，想统一代码规范与共享 Skill；
  • 腾讯系用户（CodeBuddy/WorkBuddy/Trae）需要一个与国际 Agent 对齐的团队入口；
  • 想要”AI 资产版本化”但不想自研内部平台的团队。

如果你的团队还停留在”每人一套 .cursorrules”的阶段，TeamAI 是一个成本极低的收敛起点；但别指望 beta 阶段的”团队学习”现在就能用。

参考来源