核心用法
Todokan Review Loop 是一套面向 Kanban 任务管理的自动化工作流 Skill，设计用于 MCP（Model Context Protocol）生态。其核心场景是：当任务进入 doing 状态后，Agent 自动接管，完成「读取→理解→回复→推进」的闭环。
显著优点
1. 线程级对话感知：严格按 createdAt 重建时间线，识别未解决的用户问题，避免重复回答或答非所问。
2. 强制状态门控：doing→done 的推进有明确判定标准（交付物完成 / 提出阻塞性问题），防止无效状态翻转。
3. 研究意图显式化：用户明确请求「research/deep-dive」时，才触发内部 Research Subagent，避免过度代理。
4. 文档/评论分流策略：超过 ~600 字符或需结构化输出时，自动附加文档而非堆砌评论。
5. 幂等与防重机制：检查最新 MCP 评论是否已响应当前用户输入，避免重复发帖。
潜在缺点与局限性
- 强依赖 MCP 基础设施：需配置
TODOKAN_API_KEY与TODOKAN_MCP_URL，环境缺失则完全不可用。 - Todokan 平台绑定：非通用 Kanban 适配，迁移至 Trello/Notion 等需重写。
- 子 Agent 单点瓶颈：「一任务一周期一子 Agent」策略在高并发场景可能成为吞吐瓶颈。
- 无自动关闭能力：
closed状态仅限人工触发，完全自动化收尾不可行。
适合人群
- 使用 Todokan 作为核心项目管理工具的团队
- 需要「无人值守」处理标准化支持/运营任务的 KAM 或运营角色
- 已部署 MCP Server、追求「Agent-in-the-loop」自动化的技术团队
常规风险
- API 密钥泄露：
TODOKAN_API_KEY为高权限凭证，需严格环境隔离。 - 误状态推进：若「Objective Alignment Check」未严格执行，可能将未完成任务的误判为
done。 - 线程理解偏差：时间戳解析或 comment ID 排序错误可能导致答非所问。
- 子 Agent 失控：Research Subagent 若 prompt 过宽，可能产生无关信息污染最终回复。