teamai-cli آپریشن میں

TeamAI CLI Tencent کا اوپن سورس MIT لائسنس یافتہ CLI ٹول ہے، جو ٹیم کی AI پروگرامنگ کنفیگریشن کو یکجا طور پر منظم کرنے کے لیے استعمال ہوتا ہے۔ یہ ٹول skills، rules، MCP، hooks وغیرہ جیسے وسائل کو Git ریپوزٹری میں محفوظ کرتا ہے اور push→MR→merge→pull ورک فلو کے ذریعے ہر رکن کے مقامی AI ٹول تک پہنچاتا ہے۔ TeamAI CLI رگڑ کے اشاروں سے چلنے والی معلومات کے ذخیرے، ٹیم کی معلومات کی بازیافت اور کوڈ ریپوزٹری گراف کی معاونت کرتا ہے، جس سے ٹیم کا AI تعاون معیاری بنتا ہے۔

WeChat پر فالو کرکے “开源” کا جواب دیں اور AI اوپن سورس پروجیکٹ گروپ میں شامل ہوں
یکجا کنفیگریشن مینجمنٹ: ٹیم کے skills، rules، MCP، hooks، env وغیرہ کو ایک Git ریپوزٹری میں مرکزی طور پر منظم کریں۔
Git مقامی تقسیم: push→MR→merge→pull ورک فلو کے ذریعے ٹیم کی کنفیگریشن ہر رکن کے مقامی AI ٹول میں خودکار طور پر ہم وقت ساز کریں۔
متعدد Agent کی مطابقت: Claude Code، Cursor، Codex، CodeBuddy، WorkBuddy، Qoder سمیت 9+ AI پروگرامنگ ٹولز کی بیک وقت معاونت۔
ٹیم کی سطح کا کنٹرول: Roles، Tags، Sources کے ذریعے عہدے، موضوع اور مختلف ٹیموں کے لحاظ سے باریک بینی سے سبسکرپشن اور فلٹرنگ۔
ٹیم MCP کی یکجا کنفیگریشن: YAML میں ایک بار اعلان کریں، یہ خودکار طور پر ہر ٹول کی مقامی MCP کنفیگریشن فائل میں تبدیل ہو جائے گی۔
ٹیم Hooks ایونٹ سسٹم: SessionStart، PreToolUse جیسے ایونٹ پوائنٹس پر سیکیورٹی اسکیننگ اور تعمیری پابندیوں سمیت حسب ضرورت اسکرپٹس داخل کریں۔
رگڑ کے اشاروں سے معلومات کا ذخیرہ: سیشن میں رکاوٹ، انکار اور دوبارہ کوشش جیسے رگڑ کے اشاروں کا خودکار پتا لگائیں، تجربات کا خلاصہ شروع کریں اور انہیں ٹیم ریپوزٹری میں بھیجیں۔
ٹیم کی معلومات کی بازیافت: کام سے پہلے ٹیم کے نالج بیس کو خودکار طور پر تلاش کریں (BM25 + گراف پر مبنی بہتر درجہ بندی)، جبکہ غیر متعلقہ کام خودکار طور پر چھوڑ دیے جائیں گے۔
کوڈ ریپوزٹری نالج گراف: سورس کوڈ کے AST اور heuristic dependencies کا تجزیہ کرکے بازیافت کو بہتر بنانے کے لیے مختلف ریپوزٹریز پر مشتمل ساختی گراف بنائیں۔
ٹیم Analytics: ہفتہ وار digest، نجی معلومات سے پاک سیشن خلاصے اور ریئل ٹائم Web Dashboard فراہم کرتا ہے۔

CLI انسٹال کریں: npm install -g teamai-cli کو عالمی سطح پر انسٹال کریں۔
ٹیم ریپوزٹری بنائیں: GitHub/GitLab وغیرہ پر مشترکہ ریپوزٹری بنائیں اور ٹیم کے ارکان کو لکھنے کی اجازت دیں۔
ٹیم کنفیگریشن شروع کریں: منتظم OAuth لاگ اِن، ریپوزٹری لنک اور رکن کے اندراج کو مکمل کرنے کے لیے teamai init <仓库地址> چلائے۔
ارکان کو پروجیکٹ سے جوڑیں: ٹیم کا رکن پروجیکٹ ڈائریکٹری میں teamai init <仓库地址> چلائے اور پروجیکٹ کی سطح یا صارف کی سطح کی تنصیب منتخب کرے۔
ٹیم وسائل لکھیں: ریپوزٹری میں skills، rules، docs، mcp، hooks وغیرہ کی کنفیگریشن فائلیں بنائیں یا ان میں ترمیم کریں۔
تبدیلیاں بھیجیں: teamai push چلائیں، جو خودکار طور پر برانچ بنائے گا اور ٹیم کے جائزے کے لیے Merge Request شروع کرے گا۔
جائزہ اور انضمام: منتظم یا نامزد جائزہ لینے والا کوڈ ہوسٹنگ پلیٹ فارم پر MR منظور کرکے ضم کرے۔
کنفیگریشن خودکار طور پر ہم وقت ساز کریں: رکن کے AI سیشن شروع کرنے پر SessionStart hook خودکار طور پر teamai pull چلائے گا اور تازہ ترین کنفیگریشن مقامی AI ٹول ڈائریکٹریز میں کھینچ لے گا۔
دستی ہم وقت سازی: مقامی کنفیگریشن کو دستی طور پر اپ ڈیٹ کرنے کے لیے کسی بھی وقت teamai pull چلایا جا سکتا ہے۔
نالج ریکال فعال کریں: ایک sub-agent تعینات کرنے کے لیے teamai recall enable چلائیں، تاکہ AI کام سے پہلے ٹیم کے نالج بیس کو خودکار طور پر تلاش کرے۔
تجربات محفوظ کریں: زیادہ رگڑ والے سیشن کے اختتام کے بعد /teamai-share-learnings چلائیں، جو مسائل سے سیکھے گئے تجربات کو خودکار طور پر نجی معلومات سے پاک کرکے ٹیم ریپوزٹری میں بھیجے گا۔
ٹیم کا ڈیٹا دیکھیں: Web ڈیش بورڈ شروع کرنے کے لیے teamai dashboard چلائیں، یا ٹیم کی ہفتہ وار رپورٹ بنانے کے لیے teamai digest چلائیں۔

Git مقامی ورک فلو: ڈویلپرز کے مانوس push→MR→merge عمل کے ذریعے AI کنفیگریشن منظم کریں، سیکھنے کی لاگت صفر۔
متعدد Agent کے لیے یکجا مطابقت: ٹیم کی ایک کنفیگریشن Claude Code، Cursor، Codex سمیت 9+ ٹولز میں خودکار طور پر ہم وقت ساز کریں اور بار بار کنفیگریشن سے نجات پائیں۔
رگڑ کے اشاروں سے معلومات کا ذخیرہ: سیشن میں رکاوٹ اور دوبارہ کوشش جیسی رگڑ کا خودکار پتا لگا کر ذاتی تجربات کو ٹیم کے مشترکہ اثاثے میں تبدیل کریں۔
MCP اور Hooks کا یکجا انتظام: YAML میں ایک بار اعلان کریں، یہ خودکار طور پر ہر ٹول کے مقامی فارمیٹ میں تبدیل ہو جائے گا، جس سے دیکھ بھال کی لاگت نمایاں طور پر کم ہو گی۔
باریک بینی سے سبسکرپشن کنٹرول: Roles، Tags، Sources کے ذریعے عہدے، موضوع اور مختلف ٹیموں کے لحاظ سے ضرورت کے مطابق تقسیم اور فلٹرنگ۔
ذہین نالج ریکال: کام سے پہلے ٹیم کے نالج بیس کو خودکار طور پر تلاش کریں، غیر متعلقہ کام خودکار طور پر چھوڑ دیں، تاکہ AI کو ہمیشہ ٹیم کا سیاق و سباق حاصل رہے۔
کوڈ ریپوزٹری نالج گراف: AST تجزیے کی بنیاد پر مختلف ریپوزٹریز پر مشتمل ساختی dependency graph بنائیں، جس سے AI کی کوڈ سمجھنے اور بازیافت کی درستگی بہتر ہو۔

GitHub ریپوزٹری: https://github.com/Tencent/teamai-cli

مختلف ٹولز استعمال کرنے والی ٹیم کے لیے یکجا کنفیگریشن مینجمنٹ: ٹیم میں کوئی Claude Code، کوئی Cursor اور کوئی Codex استعمال کرتا ہے۔ منتظم TeamAI ریپوزٹری میں ایک کنفیگریشن برقرار رکھتا ہے اور سب کے لیے خودکار ہم وقت سازی ہوتی ہے، جس سے “ایک ہی کوڈنگ معیار، ایک ہی MCP ٹول سیٹ اور ایک ہی سیکیورٹی hooks” یقینی بنتے ہیں۔
نئے ارکان کی تیز AI Onboarding: نیا رکن صرف teamai init چلا کر ٹیم کے محفوظ کردہ skills، rules اور بہترین طریقہ ہائے کار حاصل کر سکتا ہے۔ ہر ٹول کو دستی طور پر کنفیگر کرنے کی ضرورت نہیں رہتی، جس سے “AI کو تربیت دینے” کی سیکھنے کی لاگت نمایاں طور پر کم ہو جاتی ہے۔
سیکیورٹی اور تعمیل کا یکجا کنٹرول: hooks/hooks.yaml میں PreToolUse hook کنفیگر کریں، جو ٹیم کے تمام ارکان پر خودکار طور پر مؤثر ہو گا اور ذاتی کنفیگریشن کی کمی سے پیدا ہونے والے سیکیورٹی حادثات سے بچائے گا۔
مسائل سے سیکھے گئے تجربات کا خودکار ذخیرہ: کسی رکن نے پورٹ کے ایک پیچیدہ تنازعے کو حل کیا۔ سیشن میں ہونے والی رکاوٹ اور دوبارہ کوشش کو رگڑ کے اشارے نے پکڑ لیا، جس سے معلومات کا ذخیرہ خودکار طور پر شروع ہوا۔ اگلی بار کسی دوسرے رکن کو ایسا مسئلہ پیش آنے پر AI اس تجربے کو خودکار طور پر بازیافت کرے گا۔
مختلف ٹیموں کے درمیان مہارتوں کا اشتراک: A ٹیم عوامی skills کو GitHub پر شائع کرتی ہے، جبکہ B ٹیم teamai source add کے ذریعے سبسکرائب کرتی ہے، جس سے تنظیم کے اندر بہترین طریقہ ہائے کار کا بین الفرقی استعمال ممکن ہوتا ہے اور ہر ٹیم کو ایک ہی کام دوبارہ کرنے سے بچایا جاتا ہے۔