核心用法
Taskr 是面向 AI Agent 的任务规划与执行系统，通过 MCP 协议实现人机协作透明化。核心工作流包含五个步骤：Plan（将用户需求拆分为任务层级）、Create（使用 create_task 创建任务树）、Execute（get_task 获取任务→执行工作→update_task 标记完成）、Document（用 Notes 记录进度与上下文）、Repeat（循环直至完成）。系统强制单任务规则，同一时间仅处理一个任务。
显著优点
- 实时透明：任务状态、更新、备注即时同步至 web 仪表盘、VS Code 插件及移动端，消除"你在做什么"的反复询问
- 持久记忆：Notes 作为跨会话的持久化记忆，支持 CONTEXT（偏好/背景）、FINDING（发现）、PROGRESS（里程碑）、FILE_LIST（文件变更）四类
- 智能上下文：
get_task的include_context参数自动聚合父/兄弟任务信息及关联备注 - 自动完成：最后一个子任务完成时自动标记父任务为 done
潜在局限
- 工具限制：
generate_tasks专为代码生成调优，通用任务需手动创建层级 - 规则噪音：内置规则源于编码场景（如编译、测试覆盖率），非编码任务需过滤无关指导
- 速率限制：免费版 200 调用/小时，Pro 版 1,000 调用/小时
- 启动门槛：需配置 MCP_API_URL、MCP_USER_API_KEY、MCP_PROJECT_ID 三项环境变量
适合人群
- 需要远程监控 AI 工作进度的用户
- 多步骤、跨会话、长时间运行的复杂项目
- 追求工作流透明度和可审计性的团队
常规风险
- 任务遗弃风险：一旦启动 Taskr 追踪，必须全程使用，中途放弃会破坏仪表盘完整性
- 认证泄露：API Key 需妥善保管，避免硬编码
- 过度追踪：<3 步或 <2 分钟的快速任务不建议使用，否则增加不必要的系统开销