CAPA：用一个YAML文件管住团队所有AI编程工具的配置

Claude Code、Cursor、Windsurf、Copilot——每个 AI 编程工具都有自己那套配置规则。团队里 A 用 CLAUDE.md，B 用 .cursor/rules/，C 用 AGENTS.md，外加零散的 MCP JSON 和 Hook 脚本。没有人配置一样，没有人能复现对方的环境。这不是工具的错，是整个生态碎片化到没人能管的程度。

今天挖到一个解决这个问题的项目——CAPA（infragate/capa）。它的核心思路很简单：所有配置只写一次，写在 capabilities.yaml 里，然后自动分发到 35+ 款 AI 编程工具的原生格式。

它怎么运作

声明式配置文件是所有能力的单一真相来源（Single Source of Truth），capabilities.lock 则把每个版本 SHA 固定下来——下次 clone 拿到的配置和你今天跑的一模一样。Marker 块机制保证它只写该写的位置，手动编辑的内容不会被覆盖。

运行时它还是一个 MCP 网关：每个 agent 只连一个本地端点，CAPA 代理所有上游 MCP 服务器，按需加载工具（lazy-load），还能给每个 sub-agent 过滤工具范围——研究型 agent 根本拿不到 git push 这种危险操作。

省 tokens 的硬核数据

CAPA 官方做了 150 次对照实验，对比全量工具加载 vs 按需加载：在 Claude Opus 4/8 上，lazy-load 方案节省 19%~40% 的 tokens。这是实打实的成本削减，不是宣传话术。

功能一览

• capa wrap：在影子工作区运行 Cursor/Claude/Codex，原有配置文件不进你的真实 repo，避免污染
• Local Web UI：可视化编辑器，YAML 实时同步，注册表浏览（skills.sh、Cursor Marketplace、Claude plugins）
• Activity traces：每个 MCP 调用、shell 工具、agent span 的实时活动流，类似前端的”开发者工具”
• Plugin 拆包：Claude 和 Cursor 的插件会自动解压成 skills/MCP/rules/sub-agents/hooks，再走统一安装管道

安装体验

curl + 四行命令就能跑起来，支持 macOS/Linux 和 Windows，初始化后用 capa add 从注册表添加能力，最后 capa install 确认并分发。CI 环境加 --yes 参数跳过交互，--dry-run 预览不实际写文件。

技术先锋视角

CAPA 代表的不是某个具体 Skill，而是一种工程化思路——把 AI agent 配置当作代码一样管理：版本控制、测试、审核、自动化分发。这跟 DevOps 当年把基础设施代码化是同一套逻辑。

现在 AI coding 工具越来越多，团队里有人用 Cursor，有人用 Claude Code，有人用 Windsurf——CAPA 提供了一个让他们终于能”对齐”的中间层。这个方向接下来会很热，值得提前关注。

GitHub：infragate/capa（约 750+ stars，活跃维护）

GitHub: https://github.com/infragate/capa