TeamAI：腾讯开源AI团队协作工具，把Claude Code、Codex、Cursor的Skills和MCP统一起来

一个人用 AI 编程时，自己配几个 Skills、Rules 和 MCP 还比较简单。

但团队里十几个人都开始使用 Claude Code、Codex、Cursor 以后，很快就会遇到一个问题：

每个人的 AI 都是自己调出来的，好的 Prompt、Skills、规则和经验很难真正共享。

TeamAI 是腾讯开源的一套团队级 AI 协作工具，可以把 Skills、Rules、MCP、Agent、模型配置和团队经验统一保存在 Git 仓库里，再自动分发给不同成员使用的 AI Agent。

一、TeamAI是什么？

TeamAI 不是 AI 模型，也不是 Claude Code 或 Codex 的替代品。

它更像一个：

团队 AI 能力管理和同步层。

假设团队里有人使用：

• Claude Code
• Codex
• Cursor
• OpenCode
• CodeBuddy
• OpenClaw
• Hermes
• DeepSeek Harness

以前每个人都要自己配置。

使用 TeamAI 后，可以把团队统一的 AI 资产放进一个 Git 仓库：

团队Git仓库
├─ Skills
├─ Rules
├─ Docs
├─ Agents
├─ Hooks
├─ MCP
├─ Models
└─ Team Knowledge

成员加入团队以后，TeamAI 会把对应资源同步到自己的 AI 工具中。

二、功能特征

团队共享Skills

一个成员制作出好用的 Skill 后，可以直接分享给整个团队。

例如：

• SQL审核
• Code Review
• 测试生成
• 文档编写
• 发布检查

其他成员无需重新写一遍。

统一Rules

可以把：

• 编码规范
• 项目规则
• 安全要求
• Review标准

统一交给团队的 AI Agent。

这样不同开发者使用 AI 时，执行标准更加一致。

共享MCP

团队常用 MCP Server 可以统一声明和分发。

例如：

• 数据库
• 内部文档
• Git
• 项目管理系统
• 开发工具

不用每个成员手工重复配置。

Agent统一管理

TeamAI 可以共享自定义 Agent，并根据不同 AI 工具转换成对应格式。

新版还加入了模型别名能力，让一个 Agent 配置更容易适配不同工具。

模型配置

团队可以统一维护模型配置，再根据成员和项目需要切换。

目前模型配置支持 Claude Code、Codex、OpenCode、CodeBuddy、WorkBuddy、Pi 等多个 Agent。

三、支持哪些AI Agent？

TeamAI 最大的特点之一，就是它不绑定某一个 AI 编程工具。

目前官方已经适配：

不同 Agent 能支持的 Skills、Rules、MCP、Hooks 和模型配置范围并不完全相同。

但 TeamAI 的目标很明确：

One Team，One Harness，Every Agent。

也就是：

团队只维护一套 AI 能力，不同 Agent 各自消费。

四、操作指南

TeamAI 提供了一种很符合 AI 时代的安装方式。

官方推荐直接把这句话发送给你的 AI 编程工具：

帮我装好 teamai skill:
https://github.com/Tencent/teamai-cli/tree/main/skills/teamai

加载 teamai skill，然后从零搭建团队的 TeamAI。

之后可以直接和 /teamai 对话。

例如：

/teamai 帮我从零搭建团队的 TeamAI

或者加入已有团队：

/teamai 帮我加入团队的 TeamAI，
仓库地址是 https://github.com/your-org/your-repo

不想让 AI 自动配置，也可以传统安装：

npm install -g teamai-cli

然后初始化：

teamai init https://github.com/your-org/your-repo

五、为什么要准备一个Git仓库？

TeamAI 的核心基础就是：

Git。

团队管理员需要准备一个共享仓库，用来保存团队的 AI 资产。

目前支持：

• GitHub
• GitLab
• GitCode
• CNB
• TGit
• 私有Git服务

工作方式类似软件开发：

成员改进Skill
↓
teamai push
↓
创建分支 / MR
↓
团队Review
↓
合并
↓
其他成员自动pull

这样 AI 的 Prompt、Skills 和 Rules 也开始拥有：

版本管理 + Review + 历史记录。

六、Team Context：让AI理解团队经验

TeamAI 不只是同步配置。

它还有一套正在 Beta 阶段的：

Team Context。

主要解决：

我们团队以前踩过的坑，新的 AI 会不会重新踩一遍？

TeamAI 可以把团队经验整理成：

• Learnings
• TeamWiki
• 代码知识图谱

然后让 Agent 在执行任务前自动搜索。

例如之前团队已经记录：

某个服务启动失败通常是因为端口冲突。

以后其他成员让 AI 排查类似问题时，就可以召回这条团队经验。

七、自动沉淀踩坑经验

TeamAI 还有一个比较有意思的设计：

它重点记录“AI哪里做得不顺”。

例如一次会话中出现：

• 用户多次纠正AI
• 用户拒绝工具调用
• AI反复执行失败
• AI不断重试同一个问题

TeamAI 会认为：

这个会话可能包含值得团队记录的经验。

然后提醒用户把经验整理成团队知识。

也就是说，它不是简单把所有聊天记录全部存下来，而是重点关注：

团队真正踩过的坑。

八、代码知识图谱

TeamAI 还能分析代码仓库，生成 TeamWiki。

例如：

teamai import --from-repo https://github.com/org/repo

它会尝试提取：

• 模块
• 接口
• 配置
• 文件依赖
• 跨仓库关系

对于 TypeScript、JavaScript、Python、Go、Swift 等语言，还可以通过 Tree-sitter 做 AST 分析。

以后 Agent 查询代码问题时，可以直接找到相关模块和源文件，而不是每次重新把整个项目探索一遍。

九、团队看板

TeamAI 还提供 Dashboard。

可以查看：

• AI使用情况
• Session
• 成功率
• 活跃时长
• 成本估算
• 团队知识使用情况
• 高频召回内容
• 长期没人使用的知识

这部分属于：

Team Improvement

目前同样处于 Beta 阶段。

它的目标是让管理者知道：

团队到底怎么使用AI，哪些能力真的有用。

十、数据和安全

因为 TeamAI 以 Git 仓库作为共享基础，所以团队需要特别注意：

不要把真实密钥直接提交到仓库。

TeamAI 支持声明团队需要哪些 Secret，但实际值由每个成员本地保存。

例如：

数据库密码
API Key
Token

不应该直接写入公共 TeamAI 仓库。

新版也专门加强了 MCP Token 和本地环境变量处理，避免解析后的敏感值被提交到 Git。

因此更合理的方式是：

配置可以共享，密钥保留在成员本地。

十一、支持平台

TeamAI 本质上是一个 CLI + Git 工具，并不是独立桌面客户端。

目前主要用于：

• macOS
• Linux
• Windows

官方也专门提供了 Windows Hook 和 Shell 配置文档。

实际能使用哪些能力，还取决于你接入的 AI Agent 本身支持什么系统。

十二、产品定价

TeamAI 本身：

免费开源。

采用：

MIT License。

可以自由：

• 使用
• 修改
• 分发
• 集成

项目本身不收订阅费用。

但它连接的：

• Claude Code
• Codex
• Cursor
• 模型API
• MCP服务

可能各自有自己的订阅或 API 成本。

所以可以理解成：

TeamAI免费，底层AI服务费用另算。

十三、使用场景

TeamAI 特别适合以下几类团队：

• 开发团队：统一Claude Code和Codex的编码规则。
• AI重度团队：同时使用多种Agent。
• 大型项目：需要共享项目背景和历史经验。
• 平台团队：统一维护MCP、Skills和Agent。
• 技术管理者：希望了解团队AI使用情况。
• 一人公司：统一管理自己的多个AI Agent环境。

如果只是一个人偶尔使用 Claude Code，可能没必要专门部署 TeamAI。

但当团队开始出现：

10个人 × 5种Agent × 几十个Skills

这类情况以后，它的价值会非常明显。

十四、运作模式

TeamAI 的整体逻辑可以简单理解成：

团队最佳实践
↓
Skills / Rules / MCP / Agents
↓
保存到Git仓库
↓
TeamAI统一管理
↓
自动同步
↓
Claude Code / Codex / Cursor / OpenCode...
↓
成员实际使用
↓
发现问题和经验
↓
沉淀为Learnings
↓
再次共享给整个团队

它形成的是一个循环：

使用AI → 发现经验 → 团队沉淀 → 所有AI一起变好。

结语

TeamAI 真正有价值的地方，不是又增加了一个 AI Agent。

而是开始解决 AI 编程进入团队以后出现的新问题：

怎么把一个人的AI能力，变成整个团队的AI能力。

过去一个员工调出来的：

Prompt、Skill、Rule、MCP、Agent和项目经验，

往往都留在自己的电脑上。

TeamAI 则尝试通过：

Git + Skills + Rules + MCP + Team Context + Dashboard

把这些能力变成团队公共资产。

如果你的团队已经同时使用：

Claude Code、Codex、Cursor、OpenCode、OpenClaw、Hermes 或 DeepSeek Harness，

TeamAI 会是一个很值得关注的项目。

网址

TeamAI GitHub项目

TeamAI 中文README

TeamAI 最新版本

TeamAI Hub 模板库