Skip to main content
Glama

GitHub release License: MIT Node.js >= 18 Platform AI Hosts

npm 安装 → 仪表盘加入工作组 → AI 工具全自动默式协作

🚀 快速开始 · 🎬 协作演示 · 🏗️ 架构文档 · 💎 价值报告 · 📖 使用手册

如果 TeamWork 对你的团队有帮助,欢迎 Star ⭐ 支持!


为什么需要 TeamWork

AI 会话是天然孤岛——每个人的 AI 不知道别人做了什么。TeamWork 不替换任何人的 AI 工具,而是给现有 AI 开发补上协作层,让多人在各自的 TRAE / Claude Code / Cursor / 任意 MCP 宿主里像同一条流水线一样协作,系统性消除三类隐性成本:

隐性成本

无 TeamWork 的现状

TeamWork 的解法

上下文税

给队友的 AI 交代背景,需要人工粘贴提示词

ContextBundle 自动注入(2K 预算),后继者零输入开工

试错税

一个人踩过的坑,另一个人的 AI 原样再踩一遍

gotcha 置顶 + 共识 Δ 注入 + RNN 注入边,经验变组级免疫

协调税

任务分配、进度同步、背景交接全靠喊话

画像感知拆分定向分发 + observe 静默入图 + 依赖自动解锁

三个「零输入」时刻(完整剧本):

  1. 发现任务零输入 —— SessionStart hook 静默注入收件箱候选,Leader 无需喊话分配

  2. 同步进度零输入 —— observe 钩子自动上报入图,看节点地图即知进度,零会议零汇报

  3. 继承背景零输入 —— 后继任务拾取者自动获得前人全部记忆,无需粘贴任何提示词

🎬 一次 3 任务双端协作实测:70 分钟全链闭合,全程零会议、零进度汇报——docs/demo-collaboration.md

Related MCP server: ATMcp

✨ 核心特性

特性

说明

🧵

任务协作

Leader 一句话发布 → 服务器画像感知拆分(成员技能 / 身份域 / 空闲状态)→ 定向默式注入收件箱 → CAS 原子抢锁 → 完成上报自动解锁后继

🧠

共享记忆

工作产出自动沉淀为团队记忆:三层检索(关键词 / 拓扑 / 域)+ 时间线回溯 + 渐进披露(L0 索引 ~50 tokens/条,防上下文膨胀)

⚖️

共识约束

团队长线共识版本化治理(命名 / 架构 / 流程):提议 → 全员确认或 Leader 一票生效 → Δ 增量注入全员上下文

🔗

链路继承

未完成开发链可被新成员自主继承(open-ends → inherit → InheritBundle)——溯源 + 崩溃回退防护,失败记忆沉淀为 gotcha 防重蹈覆辙

☁️

飞书云同步

全部数据实时同步飞书云文档:换机、新成员加入即自动恢复;隐私管线(<private> 剥离 + 正则脱敏)先过审再上云

🗺️

可视化仪表盘

节点地图(真实注入边 / 拓扑徽标 / 回退过滤)、成员状态、任务看板、共识管理、Metering(token 用量 + 预算告警)

🚧

正在开发中

共享 Skill(注册 / 分发链路,teamwork_skills 当前仅列出)、仪表盘 「🔍 检索」「☁ 云恢复」手动入口(底层 API 与自动云同步已就绪,开放后零迁移;AI 侧三层检索 teamwork_search 已可用)


🏗️ 架构总览

┌───────────┐   ┌───────────┐   ┌───────────┐
│   TRAE    │   │Claude Code│   │  Cursor   │   …… 任意 MCP 宿主(每人自己的 AI)
│ (Leader)  │   │  (成员)   │   │  (成员)   │
└─────┬─────┘   └─────┬─────┘   └─────┬─────┘
      │  MCP 工具面(15 个协作工具)+ SessionStart 注入 + observe 静默上报
      ▼               ▼               ▼
┌─────────────────────────────────────────────┐
│            本机 Server + 仪表盘               │
│   任务拓扑 · CAS 抢锁 · ContextBundle 注入    │
│   节点地图 · 租约保活 · 隐私管线 · SSE 推送   │
└───────────────────────┬─────────────────────┘
                        │  防抖批量 + 幂等锚点,实时同步
                        ▼
          ☁️ 飞书云文档 NodeMap.md(唯一共享层)
             换机 / 新成员加入 → 全量自动恢复

关键机制速览:

机制

一句话

ContextBundle

唯一注入组装入口:共识层 + gotcha 置顶 + 拓扑行 + 2K 预算硬裁剪

CAS 抢锁

原子拾取任务,根除「两人做到同一个任务」的重复劳动

租约保活

心跳不算——ack / observe / share / report_done 四类产出刷新,超时自动回收任务

隐私管线

<private> 剥离 + 正则脱敏(密钥实测拦截)之后才入图 / 上云

渐进披露

search(索引)→ timeline(上下文)→ get_observations(详情),按需加载不爆上下文

完整设计决策与 E2E 实证记录见 docs/architecture.md(760 行,v4.0 → v1.0.14 全程演进)

🚀 快速开始

前置:Node.js >= 18 + 一个自备的飞书企业自建应用(见下方第 0 步)。从 Releases 下载 TeamWork.zip 解压后:

# 0. 接入飞书(必需,约 5 分钟)——飞书云文档是跨机共享层,创建工作组的前置
#    开放平台自建应用 → 开通云文档权限(drive:drive / docx:document)→ 创建版本发布
#    → 安装目录 .env 填 FEISHU_APP_ID / FEISHU_APP_SECRET(根目录可不配,自动创建)
#    完整步骤:docs/getting-started.md「飞书接入」

# 1. 安装 CLI
npm install -g ./teamwork-cli-1.0.14.tgz
teamwork version        # → TeamWork v1.0.14

# 2. 启动(浏览器自动打开 http://localhost:8787)
teamwork start

# 3. 仪表盘创建 / 加入工作组(Leader 填名称+密码;成员凭组名+密码加入)
#    → 工作组的飞书目录(/TeamWork-Demo/<组名>/)由系统自动创建,无需手动建目录
#    → 加入已有工作组则自动从飞书云端恢复全部任务/记忆

# 4. 一键配置本机 AI 工具 MCP(自动检测 TRAE / Claude Code / Cursor)
teamwork setup

📸 界面一览(四步走完的样子):

完成后打开 AI 工具即可协作。升级 / 远程访问 / 个人身份绑定等见 docs/getting-started.md。

💬 使用提示词建议

配好 MCP 后用自然语言对话即可驱动协作——无需记工具名,AI 会自动调用对应的 MCP 协作工具。三个高频场景:

① Leader 发布任务(AI 自动调用 teamwork_publish_task,画像感知拆分 + 定向分发)

帮我发布一个协作任务:为登录模块实现 JWT 中间件。 要求:token 签发 / 校验 / 刷新三个端点;验收标准是无 token 访问受保护路由返回 401。 可以让服务器按成员技能和空闲状态自动拆分子任务并分配。

② 成员查看可拾取任务(AI 自动调用 teamwork_inbox_status)

查看我的任务收件箱,现在有哪些可拾取的任务?把任务名、验收标准和前置摘要列出来。

③ 成员完成任务节点(AI 自动调用 teamwork_report_done,自动解锁后继任务)

任务「JWT 中间件」已完成,上报结果—— 做了什么:新增 auth/middleware.js,签发 / 校验 / 刷新三个端点全部通过自测; 关键发现:refresh token 需要独立的过期黑名单表; 下一步:后继任务可直接调用 verifyToken(),注意先安装 jsonwebtoken 依赖。

更多场景(任务拾取 / 共享记忆 / 共识提议 / 链路继承)与完整模板见 使用手册 · 使用提示词建议。

🎬 70 分钟实战演示(双端剧本)

docs/demo-collaboration.md 按时间轴还原了一次真实协作——Leader 阿哲 × 前端成员小雨在各自 AI 工具里完成「JWT 中间件 + 登录页 UI + API 联调」三个任务,逐事件标注什么提示词触发了哪个 hook / MCP 工具、server 幕后做了什么:

阿哲 ██████ T-1 开发 ██████┤ done ─┄┄┄┄┄┄┄(等 T-2)┄┄┐
                                                ├─→ T-3 联调(小雨)████ done
小雨 ──┤ T-2 开发 ██████████████████┤ done ──────┘
       ▲                        ▲
  ack 抢锁(T+0:03)     gotcha 分享(T+0:25)——对端节点地图实时可见
       ├────── 双方 observe 静默上报持续整个开发期,互不阻塞 ──────┤

六幕剧:① 一句话发布(画像感知拆分)→ ② 零提示词抢锁开工(ContextBundle)→ ③ 双端并行开发(observe 入图)→ ④ 踩坑跨人流动(gotcha 置顶)→ ⑤ 共识 Δ 注入 → ⑥ 完成解锁 + 跨人继承联调。

🧩 MCP 工具面(15 个协作工具)

类别

工具

任务闭环

teamwork_publish_task(画像感知拆分)· teamwork_inbox_status · teamwork_ack(CAS 抢锁)· teamwork_report_done(自动解锁后继)

共享记忆

teamwork_share_memory · teamwork_observe(静默采集)· teamwork_search · teamwork_timeline · teamwork_get_observations

共识治理

teamwork_consensus(提议 / 确认 / 裁决 / 归档四模式)

链路继承

teamwork_open_ends · teamwork_inherit · teamwork_revert(崩溃回退 + 失败记忆沉淀)

身份与技能

teamwork_join · teamwork_skills(🚧 注册 / 分发链路开发中,当前仅支持列出)

协议指引已内置在工具描述与注入源中——AI 会话自然触发即可,无需记工具。

📊 实施成熟度

  • 协作域 19/19 冒烟通过 + HTTP 全链路实测(ack CAS 抢锁、依赖门控与解锁、评分排序)

  • MCP 工具面收敛,每次调用 < 1s 返回

  • 三种分发形态适配内网:npm 在线 / .tgz 离线 / .zip 零依赖

  • 数据全落本机 ~/.teamwork/,升级安装包不丢数据

📖 文档中心

文档

内容

使用手册

安装 / 升级 / CLI 全参考 / 三种接入方式 / 飞书绑定

协作演示

70 分钟双人剧本:六幕时间轴 + 机制速查表 + 三个零输入时刻

架构文档

v4.0 → v1.0.14 全程设计决策与 E2E 实证(760 行)

价值报告

三类隐性成本 / 试错四道防线 / ROI 总览 / 成本构成 / 边界假设

📁 项目结构

teamwork/
├── bin/teamwork.js      # CLI 入口(start / stop / status / setup / doctor / feishu-auth …)
├── server/              # 协作 server + 仪表盘(index.js / feishu-sync.js / public/)
├── mcp/index.js         # MCP 工具面(15 个协作工具)
├── scripts/             # setup / observe-hook / build-package 等
├── docs/                # 文档中心(手册 / 演示 / 架构 / 价值报告)
├── .env.example         # 环境变量模板
├── LICENSE              # MIT
└── package.json         # @teamwork/cli v1.0.14

🤝 贡献

  • 发现问题:Issues

  • 想要的功能 / 适配更多 AI 宿主:提 Feature Request,附上你的宿主类型

  • 协作机制的设计细节与演进史见 docs/architecture.md——欢迎讨论

📄 License

MIT © TeamWork Contributors


TeamWork —— 给现有 AI 开发补上协作层

🚀 快速开始 · 🎬 看演示 · ⭐ Star 支持

Maintenance

ActivityMaintained
ResponsivenessNo issues

Related MCP Connectors

Related MCP Servers

  • F
    license
    Not graded
    quality
    Not graded
    maintenance
    A production-grade coordination hub that enables AI agents and human teams to work as a single organism by sharing tasks, context, decisions, and persistent memory across projects. It features two-tier agentic memory with per-agent hot caches, inter-agent messaging, and multi-agent authorship tracking for seamless collaboration.
    2
    -
  • A
    license
    Not graded
    quality
    D
    maintenance
    Enables multiple LLM agents across devices to form teams, share knowledge, memory, and tasks with live status via a web dashboard and distributed-systems reliability.
    Apache 2.0
  • A
    license
    Not graded
    quality
    A
    maintenance
    Connects multiple AI agents (Codex, Claude Code, Grok, etc.) into a coordinated, auditable team with shared memory, task ownership, and human oversight, enabling parallel collaboration without conflicts.
    241
    Apache 2.0
  • A
    license
    Not graded
    quality
    C
    maintenance
    Enables multiple AI coding agents to coordinate on a shared software project by registering, claiming tasks, declaring file intents, publishing structured change reports, and handing off context, with a local dashboard showing state in near real time.
    MIT