飞翔的智能体
@nengpao
腾讯团队把内部用了半年的TeamAI CLI开源了，这个项目解决了一个很实际的问题：团队里最会用AI的那个人，他的经验怎么让其他人也能用上？
TeamAI CLI的核心思路是用Git仓库作为唯一事实来源，把团队统一的Skills、Rules、Hooks、MCP配置和经验知识，同步到每个成员本地的Claude Code、Codex、Cursor、Qoder、CodeBuddy等十余种AI编码工具中。一次配置，全员生效，而且不绑定任何单一AI工具。
它要解决三个痛点：
- 配置碎片化：同一个团队有人用Claude Code、有人用Codex，每个工具的配置格式互不兼容，最佳实践散落在各人本地，无法共享。
- 经验蒸发：某个人花两小时踩透的坑，结束后只留在他自己的会话记录里，其他人下次还会原样再踩一遍。
- 治理盲区：团队不知道成员实际怎么用AI，token花在哪、干预率多高、哪些skill真正被用。
三层产品架构层层递进：
第一层Team Execution——统一分发。Git仓库是唯一事实来源，管理员维护配置，经push→MR评审→合并后，由SessionStart hook自动pull到每位成员本地的AI工具。分发可按角色、标签精细过滤，还能订阅其他团队的公共仓库。
第二层Team Context——团队记忆。写入侧靠摩擦信号过滤：只有你打断过AI、拒绝过工具调用、或AI反复重试失败的会话，才会提示总结成经验推送到团队仓库。读出侧是teamai recall：任务开始前由子代理自动检索团队知识，零外部数据库依赖。
第三层Team Improvement——飞轮闭环。digest团队周报（token用量、干预率）+dashboard Web看板，配合recall promote（高价值经验晋升为正式skill）和recall maintenance（清理过时条目），让每一次执行都沉淀为团队能力。
这个项目代表了2026年AI工具生态的一个清晰趋势：竞争正在从单个Agent的能力，转向团队级Harness和记忆系统的标准化。对于5人以上、多工具混用、且已认真在生产环境使用AI Coding的团队，这是一个值得现在就试的项目。
GitHub: github.com/Tencent/teamai…
