腾讯开源 TeamAI CLI：把团队 AI 规则装进一个 Git 仓库，Claude/Codex/Cursor 自动同步

教程 2026-09-10 7:16

如果你所在的团队已经在用 AI 写代码，大概遇到过这个场景：团队里最会用 AI 的那个人，把 rules、skills、MCP 配置调得服服帖帖，效率翻倍；但这些东西全烂在他自己的电脑上。别人想抄，得靠群里发截图、发文档，抄回去还常常是过期版本。新人入职，要分别配 Cursor 的规则、Claude Code 的 CLAUDE.md、Codex 的提示词，三套东西三处维护，两周后就各飘各的。

最近腾讯在 GitHub 开源了一个项目来回答这件事——TeamAI CLI（teamai-cli）。口号是 Make Every Team AI Native，做法很朴素：用一个 Git 仓库当团队 AI 配置的唯一真相源，成员的每个 AI 会话自动拉取，谁也别手动同步。

它到底是什么

简单说，TeamAI CLI 是一个命令行工具，把团队的 skills（技能）、rules（规则）、docs（文档）、hooks、env（环境变量）、MCP 服务、agents 统统放进一个共享 Git 仓库，然后自动分发到每个成员本机的各类 AI 编码助手里。仓库里的 skill 落到 .claude/skills/、.codex/skills/、.cursor/skills/ 各自的原生目录，不改任何工具的原有习惯。

几个关键事实（GitHub + npm 实时数据，2026 年 9 月 10 日）：

仓库 Tencent/teamai-cli，创建于 2026 年 4 月 27 日
2,939 stars / 182 forks，主力语言 TypeScript，最近一次提交 9 月 9 日
npm 包 teamai-cli，累计 52 个版本；最新稳定版 v0.23.1，beta 通道已到 v0.24.0-beta.3
许可证 MIT，可商用、可修改、可私有化分发

三层架构：执行、上下文、改进

项目把自己拆成三层，理解这三层就理解了它的野心：

层	要解决的问题	已包含的能力
Team Execution （已正式可用）	让每个 Agent 按团队的方式干活	`init` / `pull` / `push`；skills、rules、agents、hooks、MCP、env 分发
Team Context （beta）	让每个 Agent 理解团队	`recall` 知识召回、`learnings` 共享经验、代码库图谱、团队 wiki
Team Improvement （beta）	让每次执行都让团队变强	会话记录、`digest` 周报、`dashboard` 仪表盘、基于摩擦的经验沉淀

第一层是今天就能用稳的；后两层还在 beta，但设计思路比功能本身更值得看。

最值得说的三个设计

1. 分发不靠自建服务，靠 Git 和 Code Review

这是它与同类工具最大的区别：把代码评审流程原样搬到了 AI 经验上。

成员 teamai push 一条本地调好的 skill，工具自动开分支、建 Merge Request；reviewer 合并；其他人下次启动 AI 会话时，SessionStart hook 自动 teamai pull，新 skill 就位。所有 git 操作在隔离的 worktree 里完成，不污染成员当前工作区。知识资产进 main 分支的 .teamai/ 目录，成员注册、会话摘要、使用统计等上报数据走独立的孤儿分支 teamai-reports，不弄脏业务仓。

README 里有个细节能看出他们真跑过多人协作：同一资源已经在未合并的 PR 里等着评审时，再 push 一次会就地更新那个 PR，不会新开一个重复的。

Git 托管支持 GitHub、GitLab（含自建）、GitCode、CNB、TGit 和私有 Git 服务——国内团队用自己的内网 Git 就能跑，这点很关键。

2. 三种裁剪方式，避免“全量塞给每个人”

Roles：角色映射到命名空间，前端只同步前端的 skill，后端只拿后端的
Tags：按标签筛选，成员只订阅自己需要的那几个
Sources：teamai source add <repo> 订阅别的团队或公共 skill 仓库，下次 pull 自动带上

团队 hooks 写在 hooks/hooks.yaml，MCP 写在 mcp/mcp.yaml，密钥用 {VAR} 占位不入库，两者都按各工具的原生格式下发。README 给的 hooks 例子是“commit 前扫密钥”，声明一次，Claude Code 和 Cursor 两边同时生效。

3. “摩擦信号”：这是我见过最克制的自动沉淀触发

很多工具会在每次会话结束后问你“要不要保存这次经验”，问几次就没人理了。TeamAI 的做法是给会话打分，只在真较劲过的时候才提示：

interrupt：Agent 执行中途你按 ESC 打断
toolReject：你拒绝了某次工具调用
correction：Agent 停下后 60 秒内，你追加了含“不对/重来/错了/wrong/redo”这类纠偏词的 prompt
失败重试：AI 反复重试失败的工具

又长又顺的会话不触发。达标后它只提示一句：

[teamai] This session may contain a problem worth documenting:
you interrupted the AI twice, the AI retried failing tools 8 times.

然后 /teamai-share-learnings 会自动总结会话经验并推到团队仓库。每个会话最多提示一次，团队可以在 teamai.yaml 里关掉。这个设计把“什么值得沉淀”的判断交给了真实交互信号，而不是时长或次数。

快速上手

npm install -g teamai-cli

管理员：在 Git 平台建一个空仓库，给成员写权限（推荐命名 TeamAI-<team>），然后：

teamai init https://github.com/yourorg/yourrepo

成员：项目级（默认，资源装到当前项目目录）或用户级（装到 ~/，对本机所有项目生效）：

cd /path/to/my-project
teamai init https://github.com/yourorg/yourrepo

# 或用户级
teamai init https://github.com/yourorg/yourrepo --scope user

用自建 GitLab：

export GITLAB_URL=https://git.example.com
export GITLAB_TOKEN=glpat-xxxxxxxxxxxxxxxx
teamai init https://git.example.com/yourgroup/yourrepo

init 之后每次开会话自动 pull，日常只需要记 teamai push（贡献经验）和 teamai status（看本地与团队仓的差异）。没有现成团队仓库的，官方在 github.com/teamai-hub 放了模板仓库，Use this template 建一个再 init 即可。

常用命令还有 teamai packages（装团队级 npm 包与 Claude 插件，v0.24 起由 install 改名而来）、teamai dashboard（Web 仪表盘）、teamai digest（周报）、teamai recall <query>（搜团队知识库，BM25 + 图谱增强）、teamai doctor 等。

四个引进前必须谈清楚的点

“支持 11 种 Agent”是表头口径。README 列出 Claude Code、Codex、Cursor、CodeBuddy、WorkBuddy、OpenCode、OpenClaw、Hermes、DeepSeek Harness、Qoder、ZCode 共 11 种。但能力矩阵里，真正全绿的只有 Claude Code、Codex、Cursor、CodeBuddy、Qoder 这 5 种。WorkBuddy 缺 agents；OpenClaw 缺 agents/hooks/mcp；Hermes 连 rules 都没有；DeepSeek Harness 只有 5 项。选工具前先看矩阵，别只看列表。
MCP 密钥会明文落盘。为了让 GUI 方式启动的 IDE 也能拿到 token，TeamAI 会把 {VAR} 解析成明文写进各工具的 MCP 配置文件（权限 0600）。官方自己提醒：项目级的 .mcp.json、.cursor/mcp.json 因此含明文密钥，务必加进 .gitignore。
dashboard 是一张绩效面。它实时显示每个成员的编码会话状态、干预次数和 token 用量，digest 周报里还有“会话自主性”榜单。官方用法是验证某个 skill 上线后干预率有没有下降，隐私说明也写明了只统计次数、不落地 prompt 与 transcript 原文。但这份数据放到管理者手里意味着什么，引进前要先跟团队谈清楚——README 没有涉及这层讨论。
默认值值得留意。采集经验的摩擦提示默认开，而让 AI 主动检索团队知识的 recall 默认关，需要显式 teamai recall enable。也就是说它的默认姿态是“多写、少读”。合不合适，取决于你的团队更缺知识积累还是更怕上下文污染。

适合谁 / 暂时不适合谁

适合：已经在用 AI 编码助手、且不止一个人的研发团队；被“同一个规则要在三个工具里各配一遍”折磨的工程效率负责人；想给新人第一天就配好全套 AI 环境的团队 lead；以及想把自己多设备、多项目的 AI 配置统一管理的个人开发者。

暂时观望：只有一两个人的小团队（Git 评审流程的收益体现不出来）；完全没有 Code Review 习惯的团队（这套机制的土壤不存在）；对数据上报极度敏感、无法接受任何使用统计的组织——虽然可以关，但 dashboard 那层的价值就没了。

一点感想

这条赛道上最近出现了不少项目：统一运行与路由的、统一会话历史的、统一并行施工现场的、统一桌面入口的——它们解决的都是“一个人的多个 agent”。TeamAI CLI 统一的是“多个人的 agent”，而且是这批项目里唯一一个把 code review 流程原样搬到 AI 资源上的。

它真正的价值不在同步，而在治理：AI 经验进了仓库，就要过 reviewer，出了问题能 revert，谁改的、什么时候改的、为什么改，全都有据可查。这比任何“团队 AI 最佳实践文档”都更接近工程化——文档会过期，仓库里的规则不会。

顺带说一句，它由腾讯官方账号发布，却同时覆盖 Claude Code、Cursor、Codex 这些外部竞品，在这个基础设施层面的开放姿态，比工具本身更值得注意。