腾讯云在 10 月 10 日宣布开源其内部自用的 TeamAI，把原本只在团队内部流转的协作经验，搬进了一套基于 Git 的团队 AI 协作工具。它的核心想法很朴素：过去我们习惯了用 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。
从个人生产力，走向团队生产力
TeamAI 的切入点在于「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，会自动创建分支、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 包括腾讯自家的 WorkBuddy、CodeBuddy，以及 Claude Code、Codex、Cursor 等共 16 种。这种「一次配置、多端复用」的形态，恰好补上了单 Agent 时代的盲区：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。
把经验沉淀做成可检索的资产
TeamAI 还做了一件容易被忽略的事：它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。下次处理任务时，Agent 可以检索团队已有的经验和资料，作为参考。这相当于把「踩过的坑」从个人记忆变成了组织资产。
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。它还与腾讯云智能体管理平台 ClawPro 打通，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。
冷静看：它解决的是协同，不是智能
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。它和腾讯自家的 WorkBuddy 平台形成互补：平台负责把能力托举起来，TeamAI 负责把团队知识沉淀下去。
当然也要看到边界。它仍高度依赖 Git 工作流，对非技术背景的成员存在门槛；经验沉淀的质量，最终取决于评审环节是否认真；至于它能在多大程度上减少重复摸索，还需要真实团队的长期使用数据来印证。把它理解为「Agent 协作的团队版版本控制」，可能比理解成某种重新定义协作形态的产品更准确。