目录

项目迎来了一位新成员。正准备让他用上 AI 智能体，问题就接踵而来：“这个仓库要用哪些技能？”“代码审查的规则在哪里？”“还需要配置 MCP 服务器吗？”于是，你得逐一说明、分发配置文件，有更新时再通知一遍。随着人数增加，这项工作也会逐渐成为不小的负担。

腾讯的「teamai-cli」是一款开源 CLI，用于将团队使用的 AI 相关配置和资源集中到 Git 仓库中管理。它支持共享技能、规则、智能体、钩子、MCP 服务器及模型配置等，并宣称成员只需完成一次设置，就能在每次会话时获取管理员发布的更新。

对于“只有熟悉 AI 的人才在不断完善配置”“每个人的使用方式都不一样”的团队来说，这款工具值得关注。本文将介绍 TeamAI 能做什么，以及引入前需要了解的操作步骤。

用 Git 共享 AI 配置#

TeamAI 的思路很容易理解：通过共享仓库管理团队的 AI 资源。仓库中存放的不只是配置文件，还包括技能、规则、智能体、钩子、MCP、模型等。

这里所说的“团队工作方式”，例如：

  • 汇总代码审查检查项的规则
  • 用于推进特定工作的技能
  • 各智能体的角色和配置
  • MCP 服务器等与 AI 工具连接有关的信息

成员无需各自手动复制配置，而是将团队的 Git 仓库作为更新来源。改进技能后，将其提交到共享仓库，其他成员再获取更新。使用 Git 的另一个好处是，可以像审查代码一样审查配置变更，并保留历史记录。

TeamAI 支持多种 AI 工具。GitHub 页面列出了 Claude Code、Codex、Cursor、GitHub Copilot CLI、OpenCode 等，还提供了按功能展示支持情况的表格。不过，并非所有工具都支持全部功能。引入前，应在官方仓库的支持情况表中，确认计划使用的智能体与功能组合是否受支持。

管理员的入门步骤#

使用时需要通过 Node.js 的包管理器 npm 安装。首先安装 CLI。

install.txt
npm install -g teamai-cli

接着，在 GitHub、GitLab 等团队使用的 Git 托管平台上准备一个共享仓库。官方说明列出了 GitHub、GitLab、GitCode、CNB、TGit 以及私有 Git 服务。建议采用允许成员推送分支、同时保护默认分支的配置。

创建仓库后，管理员执行以下命令进行初始化。

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

如果还没有共享仓库，官方也提供了使用 teamai-hub 模板的方法。模板内置了可以直接使用的技能、规则和审查智能体。先确认它们是否符合团队的实际情况，再引入自己的仓库，会更便于推进。

成员根据工作位置选择初始化方式#

成员设置时，需要选择资源的存放位置。默认按工作区配置，需先进入项目目录再执行命令。

workspace.txt
cd /path/to/my-workspace
teamai init https://github.com/your-org/your-repo

如果希望将其作为用户级配置，在多个工作区中使用，则指定 --scope user。

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

团队使用时，最好一开始就确定哪种方式更合适。是要存放项目专用配置，还是希望同一成员在多个工作区中共用配置，会影响选择。建议先在实际环境中确认配置的生效范围及其与现有配置的关系，再制定使用规范。

据介绍，完成设置后，系统会在每次 AI 会话时自动获取管理员发布的技能、规则等更新，从而减少成员手动执行同步命令的操作。更新何时生效、工作过程中配置发生变化时会如何体现等具体行为，最好在引入时确认清楚。

“执行”“上下文”“改进”三个层次#

TeamAI 的产品概述将功能大致分为三个层次。

第一个是“Team Execution”，包含向 AI 传达团队工作方式的一组功能，涵盖技能、规则、环境配置、智能体、钩子、MCP 和模型。从这一层入手，就可以尝试统一工作流程和审查标准。

“Team Context”是帮助 AI 理解团队背景的层次，列出的功能包括学习信息、代码库图谱和 teamwiki。这部分目前以测试版形式提供。更适合将其视为一个需要边用边验证的阶段，逐步确认如何录入代码结构和团队专有知识，以及这些内容如何体现在回答中。

“Team Improvement”同样处于测试阶段，涉及使用情况和会话。它的方向是利用 AI 的使用结果推动团队改进，但收集哪些信息、谁有权限查看，都与实际管理有关。使用前不宜仅凭公开介绍作判断，应在官方文档中确认所需的信息。

按具体功能查看支持情况表#

查看支持的工具列表时，关键是不要只看产品名称。表格针对各个智能体，分别列出了技能、规则、环境配置、智能体、钩子、MCP、模型、学习信息、代码库、teamwiki、使用情况和会话的支持情况。

也就是说，只问“这个 AI 工具能不能用 TeamAI”还不够。例如，需要先确定想共享的是 MCP 配置、规则还是学习信息，再查看支持情况表中对应的列。表格注释还指出，部分环境配置只能通过 teamai env exec 传递，部分规则的生效不受路径限制。

支持情况表可能随版本和开发进度而变化。尤其是在使用测试版功能，或确定要搭配某款 AI 工具时，应重新核对引入时的最新信息。

团队引入前需要确定的事项#

引入时，除了分发 CLI，还需要建立共享仓库的管理流程。谁可以修改技能和规则、如何审查变更、如何区分个人配置与项目配置，都应明确。如果这些问题含糊不清，即使把 AI 配置集中在一处，管理也可能反而变得更复杂。

更务实的做法是从小规模开始。先选择一个仓库，只共享少量现有审查流程或技能。分别以管理员和成员的身份完成初始化，确认配置是否放到了预期位置、更新能否正常获取。没有问题后，再逐步增加共享资源。

TeamAI 以 MIT 许可证开源，在 GitHub 上接受讨论、Issue 和拉取请求。如果想确认其运行方式和支持范围，也可以查看 Getting Started、Usage Guide、Git Providers、Windows Setup 等指南。

对于希望减少向不同 AI 工具反复分发配置文件的团队来说，TeamAI 可以成为一个值得考察的起点。不妨先选定日常使用的一款智能体和一项想共享的配置，查看官方支持情况表，再用测试用的共享仓库尝试初始化。

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

目录