一条命令让所有 AI 工具共享团队经验:teamai-cli 实战

团队用上 AI 编程工具之后，新的问题来了

你有没有这种感觉——团队里每个人都在用 AI 编程助手，但用得"各干各的"。

有人在 Claude Code 里攒了一套自己的 skills，换台电脑就没了；有人在 Codex 里写了几条规则，同事完全不知道；新人入职，光是把各个 AI 工具配到能干活的状态，就得花上大半天。

更麻烦的是安全问题。团队的代码规范、敏感信息扫描、MCP 服务器配置——这些本该统一管控的东西，散落在每个人的本地配置里。出了问题，你甚至不知道该从哪查起。

AI 工具本身在进化，但团队层面的"治理"几乎是空白的。

腾讯开源的teamai-cli，瞄准的就是这个问题。

仓库地址：https://github.com/Tencent/teamai-cli

简单说，teamai-cli 是一个"团队 AI 工具的统一治理层"。

它把团队共用的 skills、编码规则、文档、钩子、MCP 服务器配置，统统放进一个 Git 仓库里，通过"推送 → 评审合并 → 自动同步"的流程，分发到每个人本地的 AI 编程工具中。

支持的工具覆盖面很广——Claude Code、Codex、Cursor、CodeBuddy、WorkBuddy 等主流工具都在适配列表里。

最关键的一点是：它不是又一个 AI 编程助手，而是站在所有助手之上的"管理框架"。

teamai-cli 的运作逻辑可以用一句话概括：把团队知识放进 Git，用 Git 的方式来管理和分发。

具体流程是这样的：

整个过程中，所有人的 AI 工具配置始终保持一致，不需要手动同步。

它的钩子系统也很实用。在hooks/hooks.yaml里声明一次自定义钩子——比如提交前扫描密钥——teamai pull 会自动把它注入到每个人安装的 AI 工具里。MCP 服务器配置也是同样的思路，声明一次，全员生效。

还有跨团队订阅功能。如果别的团队开源了他们的 skill 仓库，你可以用teamai source add订阅过去，对方更新了你这边自动同步。

光有规则和 skill 的分发还不够，teamai-cli 还做了一层"团队知识库"。

这部分设计得挺有意思，它不是让你手动往文档库里写东西，而是从 AI 会话中"自动提炼"。

每次会话结束后，teamai 会根据"摩擦信号"来判断这次会话有没有值得记住的东西——比如你打断了 AI 几次、AI 重试了多少次失败的工具调用、你有没有拒绝过它的操作。

如果摩擦足够高，它会提示你：这次会话可能碰到了一个值得记录的问题，要不要总结一下分享给团队。你同意的话，它会用一个 skill 自动把这次会话的经验提炼成文档，推送到团队仓库里。

反过来，团队积累的经验也能被自动调用。开启 recall 功能后，AI 在处理任务之前会先搜一遍团队知识库，看看有没有类似的踩坑记录、最佳实践或者相关的代码结构说明。搜到的结果会整理成结构化摘要返回给 AI，作为上下文参考。

搜索用的是 BM25 加上知识图谱的加权排序，覆盖四个类别：会话经验、团队文档、编码规则、skill 说明。

除了文档类的知识，teamai-cli 还能把代码库本身变成可检索的结构化知识。

通过teamai import，它可以把一个或多个代码仓库解析成一张知识图谱，存在teamwiki/目录下。图谱里存着组件、接口、配置、以及跨仓库的引用关系。

当 recall 搜到图谱里的内容时，返回结果里会带上相关的源码文件路径——AI 不用自己从零开始翻仓库，直接就知道从哪下手改。

这个功能对大型项目或者多仓库团队尤其有用。新人来了，AI 也能快速"看懂"项目结构。

你可能会觉得，单独建一个团队仓库来管 AI 配置，对小团队来说有点重。

teamai-cli 考虑到了这一点，它有个"单仓模式"——业务仓库本身就是团队仓库。

在项目目录里跑一下teamai init .，它会把.teamai/目录（装着 skills、rules、docs、learnings 这些）直接提交到你项目的 main 分支上。同事 clone 下来，下次运行 teamai 命令或者开 AI 会话时，会自动检测并完成初始化。

报告类的数据（成员注册、会话摘要、投票、使用统计）会单独存在一个teamai-reports孤儿分支里，不会污染 main。

而且所有 Git 操作都跑在隔离的 worktree 里，不会动你当前的工作区和分支。

中小型研发团队是最直接的受益者。几个人到几十人的规模，大家都在用 AI 编程工具，但还没有统一的规范和知识沉淀机制——用 teamai-cli 可以快速把这些东西搭起来。

多工具混用的团队也值得关注。如果团队里有人用 Claude Code、有人用 Codex、有人用 Cursor，teamai-cli 可以作为中间层，把同一份配置翻译成各个工具原生的格式，不用为每个工具单独维护一套。

还有就是对安全合规有要求的团队。统一的钩子、统一的 MCP 配置、可审计的变更记录——这些都比"每个人自己配"要可控得多。

说到底，AI 工具普及之后，下一个问题就是"团队怎么用好它"。不是每个人各用各的，而是形成一套可共享、可积累、可治理的团队智能。teamai-cli 走的是这条路，至于走不走得通，还得看社区和生态的后续发展。

仓库地址：

https://github.com/Tencent/teamai-cli