团队管理器Skill：把编码风格与团队规则变成可跨项目携带的“团队记忆”
- 解决什么痛点：每个新项目都要重新交代编码风格、规则和踩过的坑，AI 每次都要重新“认识你”。团队管理器用持久化团队配置文件把这个过程一次性固化。
- 核心技术：三阶内存（热/温/冷）+ TF-IDF 搜索，让“常驻上下文”只占约 50 tokens，把 token 成本压到极低。
- 关键动作：
create扫描旧项目自动沉淀团队 DNA，--team初始化新项目时自动注入，rule add随时补充规则。 - 适用范围：跨项目、跨智能体（如前端智能体单独规则）、跨团队协作的配置复用场景。
- 上手门槛：以命令行脚本为主，会用
python命令即可，安装与配置以官方说明为准。
该技能叫什么？如何下载安装 AI 技能提升开发效率？
技能中文名：团队管理器Skill 技能英文名：team-manager 技能ID：12831
团队管理器是一个“持久化团队配置文件”的技能。它把团队的编码风格（官方称为团队 DNA）、开发规则、Bug 修复日志条目等经验沉淀成一份全局存储的团队档案（默认位置 ~/.vibegravity/teams/），并在你使用 --team 参数初始化新项目时，自动注入到项目里。换句话说，它解决的是**“跨项目重复交代偏好”和“AI 智能体每次从零开始”**这两个高频痛点。
一键安装 AI 技能提升开发效率的思路
AI 技能的价值在于“装一次，处处用”。团队管理器的安装与生效路径可以概括为三步：
第一步：确认安装前提
- 需要本地具备 Python 运行环境，因为技能的核心入口是
.agent/skills/team-manager/scripts/team_manager.py脚本。 - 需要一个支持技能（skills）机制的智能体工作区，从文档中出现的
vibegravity init命令看，它与 vibegravity 的项目初始化流程配套使用。 - 具体的下载渠道、技能市场入口、是否需要账号或付费，以官方说明为准。
第二步：完成技能安装并初始化团队档案
安装完成后，建议先用一条已有项目做“冷启动”，让技能自动扫描出你的编码风格：
python .agent/skills/team-manager/scripts/team_manager.py create my-team --scan ./old-project
这条命令会扫描 ./old-project 目录，提炼出团队 DNA（一行浓缩的风格描述）与规则，写入全局团队存储。之后再用团队初始化新项目：
vibegravity init antigravity --team my-team
第三步：验证是否生效
验证方式非常直观：初始化完成后，检查项目内是否生成了 .agent/brain/team_dna.txt 与 .agent/brain/team_rules/ 目录。按技能文档约定，智能体在编写任何代码之前应先读取 team_dna.txt；若存在 team_rules/，还会读取与自身角色对应的规则文件（例如 frontend.md）。只要这两个路径出现且内容非空，就说明团队配置已成功注入。
该技能的主要功能和特点
- 全局持久化团队档案：团队配置不绑定在单个仓库里，而是存放在全局目录，换项目不用重来。
- 三阶内存分级加载：这是它最有辨识度的设计。
- 🔴 热内存（约 50 tokens）：团队 DNA 一行 + 顶级规则，始终加载，几乎不占上下文预算。
- 🟡 温内存（约 200 tokens）：完整规则清单 + 日志索引，按需通过 TF-IDF 搜索命中再加载。
- 🔵 冷内存（0 tokens）：归档内容，仅手动加载，平时完全不消耗 token。
- TF-IDF 检索：规则和日志不是一股脑塞给模型，而是像搜索引擎一样按相关性召回，既省 token 又更精准。
- 规则可绑定到具体智能体：
rule add "使用Tailwind" --agent frontend-dev可以让规则只在指定角色（如前端智能体）生效，避免全量规则互相干扰。 - 项目扫描冷启动：
create ... --scan能从既有代码库反向提炼风格，省掉手写规则的功夫。 - 团队同步与迁移：
sync支持把配置同步到其他团队档案，export/import支持打包成team-my-team.zip迁移或备份。 - 和普通“提示词模板”比强在哪：普通模板是静态文本、全量注入、换项目就失效；团队管理器是分级加载、可检索、可复用、可同步的结构化档案。
如何使用该技能？
以下按典型工作流给出分步骤指南。
步骤 1：创建一个团队（推荐从旧项目扫描）
python .agent/skills/team-manager/scripts/team_manager.py create my-team --scan ./old-project
输入：团队名 my-team 与被扫描的项目路径。
输出：在全局团队存储中生成 my-team 档案，包含提炼出的团队 DNA 与规则线索。
步骤 2：用该团队初始化新项目
vibegravity init antigravity --team my-team
输出：新项目内注入 .agent/brain/team_dna.txt（紧凑风格描述）与 .agent/brain/team_rules/（按智能体拆分的规则文件）。
步骤 3：持续补充与细化规则
python .agent/skills/team-manager/scripts/team_manager.py rule add "始终用英语编写文档"
python .agent/skills/team-manager/scripts/team_manager.py rule add "使用Tailwind" --agent frontend-dev
第一条是全局规则，第二条只对 frontend-dev 这个智能体生效。建议只把“必须永远遵守”的少数条目升级为顶级规则（进热内存），其余保持温内存按需检索。
步骤 4：在多团队之间同步
python .agent/skills/team-manager/scripts/team_manager.py sync other-team
适合“主团队 + 子团队”或“个人风格 + 公司规范”共存的场景。
步骤 5：导出备份或分发给同事
python .agent/skills/team-manager/scripts/team_manager.py export my-team
python .agent/skills/team-manager/scripts/team_manager.py import team-my-team.zip
导出生成压缩包，同事用 import 导入即可获得一致的团队配置。
步骤 6：让智能体正确读取配置
技能文档对智能体的要求是明确的：若 .agent/brain/team_dna.txt 存在，在编写任何代码前先读取它；若 .agent/brain/team_rules/ 存在，读取与自身角色对应的文件（如 frontend.md）。这一步通常由智能体根据技能说明自动执行，你只需确认文件到位。
同类型竞品对比分析
| 方案名称 | 定位 | 核心功能 | 安装/使用门槛 | 适用场景 | 优势与不足 |
|---|---|---|---|---|---|
| 团队管理器（team-manager） | 跨项目持久化团队配置档案 | 三阶内存分级加载、TF-IDF 检索、DNA 注入、规则按智能体绑定、同步与导入导出 | 需 Python 环境与技能工作区，命令行操作 | 多项目并行、团队规范统一、AI 编码风格一致化 | 优势：token 占用极低、可检索、可迁移；不足：以命令行为主，需要一点学习成本 |
项目内规则文件（如 AGENTS.md / 规则目录） |
单仓库内的静态约定 | 手写风格与规则说明 | 极低，建文件即可 | 单项目、规则量少的轻量场景 | 优势：零依赖；不足：换项目失效，无法分级加载与检索，规则多了会撑爆上下文 |
| 系统级提示词 / 全局自定义指令 | 个人偏好的全局设定 | 一段固定提示词 | 低 | 个人开发者的通用习惯 | 优势：一次设置处处生效；不足：无法分团队、分智能体，缺少日志与检索能力，团队协作难共享 |
| 手动复制配置模板 | 人工搬运 | 复制粘贴旧项目的配置片段 | 低但重复劳动大 | 临时项目、一次性迁移 | 优势：灵活；不足：易遗漏、难维护、无版本与同步机制 |
该技能的典型应用场景与实际体验情况
场景一：多项目并行的独立开发者
角色：同时维护三四个仓库的独立开发者。
痛点：每个新仓库都要重新跟 AI 解释“我用什么风格、禁止什么写法”。
使用方式：先用最成熟的老项目 create --scan 生成团队档案，之后每个新项目 --team 初始化。
实际体验：首次配置有一次扫描成本，之后新建项目的“磨合期”基本消失；热内存约 50 tokens 的设计让风格约束几乎不占预算，长对话也不容易被挤掉。
场景二：需要统一规范的小型研发团队
角色：3-8 人团队的技术负责人。
痛点：成员各自的 AI 助手风格不一，代码评审反复糾正同类问题。
使用方式：负责人维护主团队档案，用 export 打包发给成员 import，实现规范同源。
实际体验：分发链路很短，一个压缩包即可对齐；注意规则要定期收敛，避免“什么都要管”导致规则膨胀。
场景三：前后端分工的智能体协作
角色：同时使用前端与后端智能体的开发者。
痛点：前端要 Tailwind、后端要严格分层，规则混在一起会互相打架。
使用方式：rule add "使用Tailwind" --agent frontend-dev 把规则绑定到指定智能体。
实际体验：规则定向生效后，不同角色的输出明显更“守规矩”；建议在规则描述里写清楚适用范围，便于温内存检索时命中。
场景四：Bug 修复知识的长期沉淀
角色：长期维护老系统的开发者。 痛点：同类 Bug 反复踩，经验散落在聊天记录里。 使用方式：把修复要点作为日志条目沉淀进团队档案，冷内存归档、温内存按需检索。 实际体验：检索按相关性召回，比翻聊天记录高效得多；需要注意文档与日志要写得“可被检索”，关键词清晰才会有好命中率。
该技能能为用户带来的价值
- 上下文成本大幅下降：热内存仅约 50 tokens 常驻、温内存约 200 tokens 按需加载、冷内存 0 消耗。对比“把全部规则塞进提示词”的做法，同样的约束力只花零头的预算。
- 告别重复交代：团队 DNA 一次沉淀、跨项目自动注入，新项目从“第一次对话”就进入正确风格。
- 规范可分发、可复用：
export/import让团队规范变成可传输的资产，sync让多套配置保持协同。 - 知识资产化：编码风格、规则、Bug 修复经验从“口头传承”变成结构化档案，人员流动不丢经验。
- 降低协作门槛：新成员导入团队包即可获得与老成员一致的 AI 协作体验，减少评审返工。
- 长期价值：用得越久，团队档案越厚，检索命中越准，形成正反馈的效率复利。
常见问题 FAQ
Q1：怎么安装团队管理器Skill？安装后怎么确认生效？
A：按官方技能安装方式把技能放入工作区（下载入口与是否收费以官方说明为准），确保本地有 Python 环境。生效验证很简单：执行初始化后检查项目内是否出现 .agent/brain/team_dna.txt 与 .agent/brain/team_rules/，有内容即表示注入成功。
Q2：这个技能收费吗？ A：技能详情中未涉及定价信息，是否免费、是否有付费档位请以官方说明为准。技能本身依赖本地 Python 环境与全局存储目录，不额外要求外部服务。
Q3：适合谁用？个人开发者有必要用吗？
A：最适合多项目并行、需要统一 AI 编码风格的开发者与小团队。个人开发者同样受益——只要你有两个以上项目，create --scan 加 --team 初始化就能省下大量重复沟通；只维护单一小项目、规则极少的场景，用普通规则文件也够。
Q4：和直接写 AGENTS.md 这类项目规则文件比，怎么选？
A：单项目、规则少、不换仓库，用项目内规则文件更轻。一旦涉及多项目复用、需要分团队或分智能体、规则数量多到会占用大量上下文，就该用团队管理器——它能分级加载并检索，避免上下文被规则撑满。
Q5：三阶内存怎么用才合理？规则是不是越多越好？ A：不是。热内存只放“永远必须遵守”的 DNA 与顶级规则（约 50 tokens），温内存放完整规则与日志索引供 TF-IDF 按需召回，冷内存放归档内容。规则越多，热内存越容易膨胀、检索噪声也越大，建议定期收敛，把低频规则下沉到温/冷层。