Tencent Cloud hat offiziell das interne Team-AI-Kollaborationstool TeamAI öffentlich zugänglich gemacht. Das Tool ist auf Git basiert und soll die Fähigkeiten der Teams, Arbeitsvorschriften, Toolkonfigurationen und Projekterfahrungen in einem Git-Repository zusammenführen. Dabei wird eine Art von Review und Versionierung wie bei Code verwendet, um schließlich alle Einstellungen in die von den Mitarbeitenden verwendeten Agenten zu integrieren, sodass jeder eine eigene Konfiguration hat und alle nutzen können.
Kernfunktionen und Multimodallizierung
- Vollständige Anpassung an die gängigen Agenten: Derzeit hat TeamAI 16 gängige Agenten wie WorkBuddy, CodeBuddy, Claude Code, Codex und Cursor angepasst.
- Vertrautes, effizientes Git-Koordination: Wenn Teammitglieder Skills oder Richtlinien ändern, erstellt das System automatisch einen Branch und startet eine Merge-Anfrage zur Überprüfung durch das Team. Nach Bestätigung der Integration wird der Agent, der den Hook für den Sitzungsstart unterstützt, zu Beginn der neuen Sitzung automatisch die neuesten Änderungen herunterladen, was die mühsamen Schritte von individueller Benachrichtigung und manueller Ersetzung vermeidet.
- Einheitliche Bereitstellung der Modellkonfiguration und Sicherheitskontrolle: Der Teamadministrator kann mit diesem Tool die Modelldienste einheitlich konfigurieren, die den Unternehmenssicherheitsanforderungen entsprechen, um das Risiko verringern zu können, dass Mitglieder selbst zugängliche Modelle wählen und falsch auswählen. Darüber hinaus kann es am Ende der Sitzung auf Basis von Korrektionsprotokollen und Tool-Fehlern Erfahrungen anzeigen, die vom Agent in eine Dokumentation eingetragen werden, um bei zukünftigen Bearbeitungsaufgaben als Referenz zu dienen.
Integrationstool-Plattform für künstliche Intelligenz
Das TeamAI ist derzeit auch in die Tencent Cloud Intelligence-Platform ClawPro integriert. Die Mitglieder können ihre lokale Agenten in ClawPro einbinden, während die Administratoren auf der Steuerungsplattform die Konfigurationen wie Skills und MCP gemeinsam verwalten und diese effizient an die angeschlossenen Agenten verteilen. Dadurch wird die Arbeitsweise und die Einhaltung von Standards im Team in der Ära der großen Modelle noch vereinfacht.