TeamAI CLI

TeamAI CLI — консольная утилита от Tencent, которая позволит держать настройки ИИ-агентов всей команды в одном git-репозитории. Скиллы, правила, документация, хуки, MCP-серверы, переменные окружения будут лежать в общем репо, а каждый разработчик подтянет их себе одной командой. Пригодится командам, где кто-то сидит в Claude Code, кто-то в Cursor, кто-то в Codex, и у всех свои разрозненные конфиги.

Установить можно через npm (npm install -g teamai-cli), дальше админ создаст репозиторий на GitHub, GitLab, GitCode, CNB, TGit или в приватном git-сервисе и выдаст доступ команде. Участникам останется запустить teamai init с адресом этого репо — ресурсы можно положить либо в папку проекта, либо глобально в домашний каталог через --scope user. Если своего репозитория ещё нет, можно взять готовый шаблон из организации teamai-hub, где уже собраны рабочие скиллы, правила и агенты для ревью.

Схема обмена простая: teamai push создаст ветку и merge request, ревьюер примет изменения, а на стороне остальных SessionStart-хук вызовет teamai pull. То есть каждая новая сессия агента сама подхватит свежие правила — руками синхронизировать ничего не надо. Через общий репо раздаются скиллы, правила, базовая документация с прогрессивным раскрытием, конфиги агентов, файл culture.md с миссией и принципами команды (он вклеивается в CLAUDE.md и AGENTS.md каждого агента), хуки, MCP, npm-пакеты и плагины Claude Code.

Чтобы никого не заваливать лишним, есть механизмы адресной доставки — админ настроит их один раз, а прилетят они всем на pull:

• teamai roles — привязка ролей к неймспейсам, чтобы каждый получал только свои скиллы;
• teamai tags — теги на скиллах и правилах, участник подписывается на нужные;
• teamai source — подписка на сторонние репозитории со скиллами: публичные репо других команд или общие репо внутри вашей организации.

Слой Team Context пока в бете. Он превращает накопленный опыт команды и структуру кодовой базы в поисковую базу знаний. Работает через friction-оценку: когда сессия заканчивается, Stop-хук смотрит, было ли в ней трение — прерывали ли вы агента, отклоняли ли вызовы инструментов, сколько раз он повторно вызывал падающие инструменты. Долгая, но ровная сессия ничего не запускает. А вот там, где действительно пришлось разбираться с проблемой, появится подсказка запустить /teamai-share-learnings — скилл соберёт выжимку и отправит документ с выводами в командный репо. Подсказка показывается не чаще одного раза на сессию и отключается флагом в teamai.yaml.

Поиск по этой базе живёт в команде teamai recall и по умолчанию выключен — включать нужно осознанно, на уровне команды или локально. После включения pull разложит по агентам сабагента teamai-recall: перед задачей он вытащит ключевые слова, сам проверит, вообще ли задача связана с командными знаниями, и если да — найдёт нужные документы и вернёт структурированную сводку. Третий слой, Team Improvement, тоже в бете: сессии, дайджесты, дашборд использования.

Поддержка агентов неравномерная. Claude Code, Codex, Cursor, CodeBuddy и Qoder закрывают весь набор возможностей, у WorkBuddy и ZCode есть пробелы. У OpenCode работают все возможности Team Execution и Team Context, но нет Team Improvement — ни статистики использования, ни сессий, ни дашборда. У OpenClaw доступны скиллы, правила, документация, переменные окружения и база знаний, но не агенты, хуки и MCP. У Hermes и DeepSeek Harness набор самый узкий и без правил, а у DeepSeek Harness ещё и без переменных окружения. Настройки моделей через общий репо пока раздаются не для всех провайдеров. Проект открытый, лежит на GitHub, полное руководство — в docs/usage-guide.md, есть английская и китайская версии.