团队用 AI 编程工具的「配置孤岛」问题
2026 年的开发团队现状：A 用 Claude Code，B 用 Cursor，C 用 Codex，还有人在用 CodeBuddy 和 Trae。每个人都有自己攒的 Skills、Rules、MCP 配置，都放在自己机器的用户目录里——~/.claude/skills/、~/.cursor/skills/ 各自为政。
这带来三个真实痛点：
- 好东西传不开：某位同事调教出特别好用的 Skill，只能靠群文件互相拷贝，拷完还要手动改路径
- 规范不统一：团队约定了代码规范，Claude Code 的 CLAUDE.md 写一份、Cursor 的 Rules 写一份，改一次要同步 N 处
- 经验会蒸发：新人入职踩的坑、老人踩过的坑，没有沉淀机制，三个月后同一个坑再踩一遍
腾讯开源的 teamai-cli 就是冲着这三个问题来的。它是一个 Git 驱动的团队 AI 协作基础设施：把团队所有 AI 编程工具的配置——Skills、Rules、Docs、Hooks、环境变量、MCP Server——统一放进一个 Git 仓库，通过标准的 Git 协作流程（提交、审核、合并）分发到每个人的工具里。
一句话理解：它把「AI 工具配置」从个人私有物品，变成了团队共同维护的代码资产。
核心能力：四层架构
第一层：Harness 管理与分发
这是最基础也最常用的一层。teamai-cli 支持 20+ 款 AI 编程工具——Claude Code、Codex、Cursor、CodeBuddy IDE、WorkBuddy、Gemini CLI、Windsurf、Trae、Aider、Amp、OpenClaw 等。同一份 Skills/Rules/MCP 配置，teamai 会同步到各工具对应的目录（Claude 的 skills 目录、Cursor 的 rules 位置……），工具间格式差异由它抹平。
第二层：跨团队技能订阅
团队不只一个，好技能不该困在单一仓库。teamai 支持把其他团队的技能仓库作为「源」订阅进来——用 teamai source add 添加，用 teamai source browse 浏览可选内容。这是组织级的经验联邦：平台团队、安全团队的技能包，业务团队按需引入。
第三层：经验驱动的知识库
这是 teamai-cli 最有意思的设计——摩擦信号机制。你在使用 AI 工具时，某些行为被自动识别为「摩擦」：打断了 AI 的输出、拒绝了某个工具调用、AI 反复重试失败。这些信号触发时，系统会提醒你：「这次是不是 AI 哪里不对？」用 /teamai-share-learnings 把这次踩坑总结成经验分享出来，自动进入团队知识库。
第四层：知识召回与复用
沉淀下来的经验如何被用上？teamai 内置了召回体系：BM25 + 图谱增强排序，在 AI 需要时通过一个召回子智能体把相关知识注入上下文。更进一步，teamai import --from-repo 可以解析你的代码仓库生成知识图谱，teamai recall 随时检索。经验不再只是躺在文档里的文字，而是能被 AI 主动使用的知识。
与手工方案的本质区别
没有 teamai-cli 时，团队的常见做法是「共享文件夹 + 群公告」：技能文件丢群里，规范写在 Confluence 里。这个方案的问题不在「能不能用」，而在没有版本、没有审核、没有同步机制：
| 维度 | 群文件共享 | teamai-cli |
|---|---|---|
| 版本管理 | 文件名加「final_v2」 | Git 原生版本历史 |
| 变更审核 | 无——直接覆盖 | MR/PR 审核后合并 |
| 分发方式 | 手动下载替换 | pull 或 Hook 自动同步 |
| 回滚能力 | 找旧文件碰运气 | git revert 一键回退 |
| 知识沉淀 | 聊天记录里蒸发 | 摩擦信号 → 知识库 → 召回 |
本质上，teamai-cli 把软件工程里已经被验证过的最佳实践——代码审查、版本控制、持续分发——搬到了 AI 配置这个新资产类型上。这个思路和本站写 Grok Bot Routine 时的洞察一致：AI 时代的资产（无论是 routine 还是 skills）都需要从「一次性会话」升级为「可版本化管理」。
谁适合用
- 10 人以上的 AI 编程团队：配置孤岛问题在团队规模上去后指数级恶化
- 有平台/基建团队的组织：跨团队技能订阅天然属于你们的职责范围
- 多人维护同一项目的团队：项目级规范统一是刚需
- 重度 Claude Code/Cursor 用户：你们积累的 Skills 已经值得资产化了
个人开发者也能用——init 时仓库不存在会自动创建，一个人也能享受版本化管理和知识召回。但这个工具的真正威力在「团队」二字。
常见问题 FAQ
Q：teamai-cli 和「把配置文件丢进一个 Git 仓库」有什么区别？ Git 仓库只是存储。teamai-cli 在存储之上补齐了三件事：分发——配置自动落到 20+ 工具各自的目录，格式差异由它抹平；流程——push 走 MR/PR 审核合并；增值——摩擦信号采集经验、召回体系让知识被 AI 主动使用。裸仓库方案卡在合并之后：谁来把文件放到每个工具的正确位置、谁审变更，都没有答案。
Q：它会替代 Claude Code、Cursor 各自的原生配置机制吗？ 不替代，在其上做统一分发。团队共享层由 teamai 同步进各工具目录，个人的实验配置、工具特有的定制仍走原生机制，两层共存互不干扰。
Q：个人开发者一个人用有意义吗？ 有，但收益不同。版本化管理（init 时仓库不存在会自动创建）和知识召回对个人同样有效，只是少了「团队分发」这一环。它的核心威力还是在多人场景。
Q：环境变量、MCP 配置都进仓库，安全吗？ 仓库的访问控制由托管平台管理（GitHub/TGit/CNB 的私有仓库 + 成员权限），变更还有 MR/PR 审核兜底。但有一条红线与任何工具无关：敏感凭证不进任何 Git 仓库，凭证走专门的方案。
Q：已有不少存量配置，迁移成本大吗？ 一次性成本：盘点、去重合并、push 入库、成员 pull 接管，五步清单见多工具同步实战。迁移完成后，所有工具的配置维护收敛到仓库一处。
术语速查表
系列文章反复出现的概念，集中解释一遍：
| 术语 | 一句话解释 |
|---|---|
| Harness | 「AI 工具环境管理」层的称呼，负责把配置分发到各工具对应目录 |
| Skills | 给 AI 的能力包——「怎么做事」的指令集合 |
| Rules | 给 AI 的约束——「遵守什么」的规范集合 |
| SessionStart Hook | 会话启动钩子，自动执行 pull，成员永远拿到最新配置 |
| MCP Server | AI 工具连接外部服务的配置，仓库里统一管理 |
| 摩擦信号 | 打断 AI、拒绝工具调用、AI 重试失败等「人机分歧」行为 |
/teamai-share-learnings | 把一次踩坑总结成经验、进入团队知识库的命令 |
| 召回子智能体 | 专职检索知识的 AI agent，把整理后的结果注入主会话 |
| source 联邦 | 订阅其他团队的技能仓库，组织级经验共享机制 |
快速上手路径
环境要求很低：Node.js 18 以上，一条 npm install -g teamai-cli 装好。完整的三步上手流程（建仓 → 初始化 → 成员接入）在安装与初始化教程里逐步展开。
本系列的完整路线图：概念（本篇）→ 安装初始化 → 日常 push/pull → 多工具同步实战 → Skills/Rules 治理 → 角色权限 → 摩擦信号 → 知识召回 → 跨团队订阅 → 方案对比。