把「团队的 AI 经验」也搬进版本管理
10 月 10 日，腾讯云宣布开源其内部自用的团队 AI 协作工具 TeamAI（github.com/Tencent/teamai-cli）。它的切入点很朴素：过去我们用 Git 管理代码，现在也可以用同样的方式管理团队的 Skill、工作规范、工具配置和项目知识，让成员各自使用的 Agent 共享同一套沉淀。项目上线后登上 GitHub Trending，说明「团队级 AI 协作」这个被单 Agent 时代忽略的盲区，正在被认真对待。
在单 Agent 时代，每个人各自调教自己的助手，输出风格和质量参差不齐，团队层面反而更难对齐。一个人摸索出的好方法，如果只留在个人对话里，同事遇到类似问题时还得再走一遍弯路。TeamAI 想做的，正是把这种零散的个人经验，变成可以评审、可以复用、可以回退的组织资产。
一次配置，多端复用：16 种 Agent 都能接
TeamAI 的核心机制是「配置即代码」式的团队协同。成员提交技能修改或规范调整时，系统自动创建分支、发起合并请求，交给团队评审；确认合入后，那些支持会话启动钩子的 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。换句话说，一个人在团队仓库里写好一处经验，全组人的 Agent 下一次开口就能用上。
目前已适配的 Agent 覆盖市面上主流的 AI 编程助手，包括腾讯自家的 WorkBuddy、CodeBuddy，以及 Claude Code、Codex、Cursor、GitHub Copilot CLI、OpenCode、OpenClaw、Hermes、DeepSeek Harness、Qoder、Kiro、ZCode、Oh My Pi 等共 16 种。这意味着无论团队成员习惯用哪个 AI 助手，都能接入同一套共享体系，不被某个 Agent 生态绑架。
三层架构：执行、上下文、改进
官方架构文档把 TeamAI 拆成三层。Team Execution（已稳定）负责让每个 Agent 都按团队规范工作，涵盖 init/pull/push、skills、rules、agents、hooks、MCP、env 等能力；Team Context（beta）让每个 Agent 都理解团队上下文，包含 recall、learnings、codebase graph、teamwiki；Team Improvement（beta）让每次执行都反哺团队，包含基于摩擦的 share-learnings、sessions、digest、dashboard。简单说，Execution 是「统一技能与工具配置」，Context 是「沉淀历史经验与代码库知识」，Improvement 是「把踩过的坑自动整理成团队记忆」。
用 Git 流程管 Skill：分支、评审、自动拉取
围绕这四个工作流，TeamAI 把开发者熟悉的 Git 协作原样搬了过来：写好一个 Skill 后系统自动建分支、发合并请求、等团队评审，合入后由会话启动钩子在新对话自动拉取。共享范围不仅限 Skill，还包括 MCP 工具配置、Rules 与子 Agent，并支持按角色、项目或标签分发——前端同学需要的技能、运维同学需要的工具，可以分别配置。近期新增的模型配置统一下发能力也值得单独提一句：对于涉及内部数据和知识的任务，管理员可以统一配置符合团队安全要求的模型服务，减少成员自行接入、选错模型的风险。
官方实测：低成本模型评分 +6.1%、调用成本 -76%
根据官方在 13 项研发任务上的测试，接入团队知识的较低成本模型综合评分提高 6.1%，模型调用成本降低 76%。它还会根据成员反复纠正、工具调用失败等信号，在会话结束时提示分享经验，由 Agent 把问题和解决方法整理成文档，存入团队仓库；后续处理任务时，Agent 可依据需求检索团队已有的经验和资料作为参考。对于研发任务，TeamAI 还能梳理代码之间的引用和调用关系，构建代码知识图谱，帮助 Agent 找到相关功能涉及的模块并提供源码位置。该工具已集成至腾讯云智能体管理平台 ClawPro，成员可把本地 Agent 接入管控台，由管理员统一分发 Skill 与 MCP 配置。
为什么值得关注：从个人生产力到团队生产力
TeamAI 的价值不在于让模型更聪明，而在于把团队的协作规范、经验与工具接口变成可版本化、可评审、可复用的底座。当企业里几十上百人各自使用不同的 Agent，真正稀缺的从来不是某一个聪明的对话，而是「同一套标准被稳定执行」的能力。把 Skill 像代码一样共同维护，意味着团队可以持续打磨同一份规范，减少各自维护一套、版本越来越不一致的情况。
更广义地看，它指向一个正在清晰起来的趋势：AI 协作的重心，正从「个人如何用好一个助手」转向「团队如何共用一套智能资产」。当模型能力逐渐商品化，谁能把组织经验沉淀成可复用的智能底座，谁就更可能在落地阶段拉开差距——TeamAI 这类工具，正是这条从个人生产力走向团队生产力路上的具体注脚。