核心用法
Agent Team Skill 是一套面向AI智能体团队的管理框架，采用经典的PDCA（计划-执行-检查-改进）循环作为任务处理核心流程。用户通过team.py脚本维护团队成员档案，包括角色定位、专业技能标签（expertise）和能力短板（not-good-at），系统据此实现智能化的任务委派。
关键操作路径：
1. 团队组建：使用update命令注册成员，设定唯一leader角色
2. 任务规划：遵循"先搜索记忆→澄清需求→识别风险→确定责任人"的标准化流程
3. 执行追踪：强制要求记录到memory/YYYY-MM-DD.md时间轴文件，并配合git checkpoint实现过程可追溯
4. 质量闭环：leader专属的任务审批权与重新委派机制，确保输出符合原始需求
显著优点
- 流程严谨性：将PDCA方法论固化为强制执行步骤，避免"直接开干"的盲目执行
- 记忆连续性：通过结构化Markdown日志和git checkpoint实现跨会话的状态持久化
- 角色权限清晰：leader的审批权和重新委派权形成明确的责任 hierarchy
- 智能匹配潜力：基于expertise/tags的元数据设计，为未来自动化任务分配预留扩展空间
潜在缺点与局限性
- 单点依赖风险：leader角色的审批成为瓶颈，大规模并发场景下可能效率受限
- 状态外置依赖：
~/.agent-team/team.json的全局存储路径在无权限环境可能引发冲突 - 人工判断权重高："最佳执行人"的判定仍依赖leader主观决策，缺乏量化评估模型
- 回滚成本未明：
reset操作直接清空数据，无备份恢复机制 - Python版本门槛：强制要求Python 3.10+，旧环境兼容性受限
适合人群
- 需要协调3-5个AI智能体角色的中小规模项目团队
- 追求过程可追溯、结果可审计的合规敏感场景
- 熟悉PDCA方法论、愿意接受结构化流程约束的技术管理者
常规风险
| 风险类型 | 具体表现 | 缓解建议 |
|---------|---------|---------|
| 数据丢失 | `reset`误操作或磁盘故障 | 定期备份`~/.agent-team/`目录 |
| 权限冲突 | 多用户共享环境的路径写入冲突 | 配置环境变量隔离存储路径 |
| 流程僵化 | PDCA循环在简单任务中 overhead 过高 | 评估任务复杂度，轻度任务可适度简化 |
| leader过载 | 审批队列堆积导致进度延迟 | 建立delegate授权机制或轮换leader角色 |