10月10日，腾讯云宣布开源内部自用的TeamAI。这是一款基于Git的团队AI协作工具，把团队的Skill、工作规范、工具配置和项目知识统一放进Git仓库，像管理代码一样进行评审、更新和版本管理，再同步到成员各自使用的Agent里。目前已适配WorkBuddy、CodeBuddy、Claude Code、Codex、Cursor等16种Agent。
每人一个AI助手的时代结束了，接下来是每个团队一套AI资产的时代。
AI用得越深，团队越分裂
先看一个普遍场景。团队里五个人用AI，A用Claude Code写代码，B用Cursor改前端，C用Codex跑运维脚本，D在WorkBuddy里处理文档。每个人都在自己的会话里调教AI，好用的提示词、踩过的坑、整理的项目规范，全都锁在各自的聊天记录和本地配置里。
人走了，这些经验跟着消失。新人接手，从零再踩一遍坑。
Agent Skills开放标准上周刚火起来，一个SKILL.md文件让Claude Code、Codex、Cursor可以共享同一套技能。标准解决了”格式互通”，没解决”团队怎么管”。谁来审核一份新技能？技能改错了怎么回滚？敏感任务该用哪个模型？这些是管理问题，Git早就有成熟答案。
TeamAI的思路就在这里：把AI技能当代码管。
核心玩法：一人配置，全员复用
TeamAI沿用了开发者最熟悉的Git协作流程，具体分三层。
第一层，仓库即资产库。团队的Skill、工作规范、工具配置、项目知识全部进Git仓库。成员提交技能或修改规范时，自动创建分支、发起合并请求，交给团队评审。合入后支持会话启动Hook的Agent，会在新对话开始时自动拉取更新，不必逐人通知、手动替换。
第二层，模型配置统一下发。这是最近新增的能力。涉及内部数据和知识的任务，团队管理员可以统一配置符合安全要求的模型服务，直接下发到全员Agent。成员自行接入、选错模型导致数据外流的风险，被压到最低。
第三层，经验自动沉淀。TeamAI会监测反复纠正、工具调用失败这类信号，在会话结束时提示成员分享经验。Agent把问题和解决方法整理成文档，存入团队仓库。下次处理类似任务，Agent会检索团队已有的经验找到参考。
这三层组合起来，等于给团队装了一个AI版的”组织记忆”。个人聊天记录里的隐性知识，变成了仓库里可评审、可回滚、可检索的显性资产。
已经集成进ClawPro，管理动作全部收拢
TeamAI同时集成到了腾讯云智能体管理平台ClawPro。成员把自己使用的本地Agent接入ClawPro，管理员在管控台统一管理Skill、MCP等配置，并分发到已接入的Agent中。
项目地址在GitHub（Tencent/teamai-cli），安装TeamAI Skill后，管理员和成员都能在已适配的AI工具里用自然语言完成操作。不需要记命令，说一句”把这个技能提交评审”就行。
对比现有方案，差异在哪
市面上管理团队AI配置的思路主要有三种，TeamAI的位置比较清晰。
- 手工同步：把提示词和配置文档扔进共享网盘，成员自己抄。成本最低，但没有版本管理，改错了无法追溯。
- 厂商托管平台：Anthropic、OpenAI的企业后台可以统一管理组织内的配置。缺点是绑定单一生态，Claude的配置管不到Cursor头上。
- TeamAI的Git路线：跨16种Agent通用，评审、回滚、审计全走Git原生能力，不依赖任何一家模型厂商。
Git路线的代价是需要团队有基本的Git使用习惯。对研发团队来说这几乎为零，对非技术团队则有一定门槛。
谁该关注这个工具
三类人群值得马上上手。
一是研发团队负责人。团队里AI编程工具人手一个，规范散落各处，TeamAI提供了最低成本的统一方案，Git流程现成。
二是平台工程团队。Agent数量上规模之后，Skill管理、模型准入、经验沉淀都需要基础设施。ClawPro加TeamAI的组合，思路接近给AI团队做GitOps。
三是关注企业AI落地的管理者。57%企业已把AI Agent送进生产环境，但多数团队的知识管理还停留在”各自为战”。工具开源免费，试错成本接近零。
一个值得留意的信号
腾讯把内部自用工具直接开源，动作本身比工具更重要。国内大厂正在把AI协作的基础设施层当成新的竞争点——上周蚂蚁开源Ling-3.1-flash，几天前DeepSeek开源昇腾全家桶，现在腾讯开源团队协作工具。模型层的比拼之外，谁定义了团队用AI的工作流，谁就握住了下一层入口。
TeamAI项目主页：github.com/Tencent/teamai-cli。拿一个5人小组试两周，用合并请求评审所有新技能，你会很快知道这套流程适不适合自己的团队。
苏公网安备32010502011527号
发表回复