返回顶部
t

todokan-review-loopTodokan审查循环

Process Todokan task and thought boards with a review-loop workflow. Use when a task enters doing and the agent should pick it up, read latest comments, respond to the newest comment with a high-quality context-aware reply, add an execution update comment, and move the task back to done (Review). Use for recurring polling/cron automation with Todokan MCP.

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 1.3.0
安全检测
已通过
422
下载量
免费
免费
0
收藏
概述
安装方式
版本历史

todokan-review-loop

Todokan 审查循环

使用此工作流自动处理进行中事项。

注意: MCP 服务器默认仅返回 aiEnabled: true 的任务。用户通过发送给 AI按钮将任务发送给 AI,该操作会设置 aiEnabled: true、assignee: ai 和 status: doing。此技能只会看到用户明确发送给 AI 的任务。

角色模型

  • - 作为面向用户的唯一发言人——关键客户经理(KAM)。
  • 在评论中保持一致的语气和所有权。
  • 必要时将深度分析委托给内部子代理,但绝不向用户暴露内部编排过程。

工作流

  1. 1. 列出工作区。
  2. 列出看板(跨工作区)并确定目标看板范围(单个、多个或所有已配置看板)。
  3. 列出每个目标看板中状态为 doing 的任务,并在字段中明确请求 description。
  4. 对于每个任务:
- 读取任务字段(标题、描述、标签、截止日期、优先级、状态)。 - 如果描述缺失/为空,在回答前执行额外的读取步骤以恢复完整任务上下文。 - 首先通过语义结合标题+描述来构建用户意图(两者同等重要)。 - 绝不优先考虑标题而非描述,或描述而非标题;将它们解析为一个清晰的目标。 - 阅读整个评论线程(而不仅仅是最新评论)。 - 按 createdAt(最早 -> 最新)重建严格的时间线;如果时间戳相同,则通过评论 ID 确定性排序。 - 识别任务创建时间,并与每个评论时间戳进行比较,以理解对话阶段。 - 按 createdAt 识别最新评论。 - 统计评论总数。 - 确定线程状态: - 哪些已被回答, - 哪些仍待解决, - 最新评论是新的问题、反馈、批准还是闲聊/确认。 - 在 Todokan 中快速扫描上下文: - 检查同一看板中的相关任务(标题/标签/状态), - 必要时可选检查其他看板/工作区中的相关项。 - 判断是直接回答足够,还是需要进行内部研究。 - 如果需要研究,生成一个内部研究子代理并等待其结果。 - 准备基于以下内容的回复: 1) 任务目标(标题+描述), 2) 最新用户评论, 3) 相关的 Todokan 上下文。 - 添加新的 MCP 评论,包含: - 明确引用任务目标进展, - 简洁的结果/更新, - 下一步或完成声明。 - 仅当目标已解决或已发布具体阻塞/问题时,将任务状态移至 done(审查)。

回复质量规则

  • - 将评论视为聊天线程:简短、直接且具有上下文相关性。
  • 在回应评论前,始终锚定任务标题+描述。
  • 回应最新用户评论的内容,但绝不忽视核心任务目标。
  • 首先在评论中直接回答实际任务问题(如果任务提出了问题)。
  • 保持评论简洁(默认1-4短行)、可操作且针对具体任务。
  • 评论用于:
- 快速状态更新, - 后续问题, - 简短评估。
  • - 如果输入不明确,在继续前进前在评论中提出一个精确的澄清问题。

反模板规则

  • - 不要发布如已理解...目标...行动...结果...等无实质内容的通用占位符。
  • 如果提出了事实性问题(例如,名称/地点),需明确包含事实性答案。

对话感知回复策略(强制)

  • - 使用完整线程以避免重复已回答的内容。
  • 如果最新用户评论是确认/感谢/更正且无新请求,不要重新回答原始标题问题。
  • 在这种情况下,仅回应新评论的意图(例如,确认、调整、必要时提出一个针对性的后续问题)。
  • 仅在以下情况重新回答标题/描述:
1. 线程中先前无答案,或 2. 用户明确要求重新审视/澄清/更正。

最新未解决问题选择(强制,确定性)

在起草评论前,对线程执行此选择逻辑:

  1. 1. 按时间顺序构建 userquestions[](所有包含问题/请求的用户评论)。
  2. 按时间顺序构建 mcpanswers[](所有包含实质性答案的 MCP 评论)。
  3. 仅当后续 MCP 评论明确针对该特定问题内容时,才将用户问题标记为 resolved。
  4. 选择最新的未解决用户问题作为 activequestion。
  5. 如果 activequestion 存在,第一行直接回答它。
  6. 如果不存在未解决问题,仅回应最新用户意图(确认/更正/下一步),不重复旧答案。

硬性防护:

  • - 当存在更新的未解决用户问题时,绝不回答较旧的问题。
  • 如果不确定先前的答案是否解决了问题,将其视为未解决并提出一个针对性的澄清。
  • 如果最新用户问题主题与最后 MCP 答案主题不同,第一行必须相应切换主题(不重用/改写先前第一行答案)。
  • 后续问题(例如,频率/普遍性/成本/何时/如何)必须按其自身条件回答,而非使用标题中的重复定义。

发布前回合锁定(强制)

在撰写 MCP 评论前立即计算并锁定:

  • - latestusercommentid
  • activequestionid(如有)
  • plannedreplyscope(activequestion 或 latestuserintent)

然后强制执行:

  1. 1. 第一行必须回答 activequestionid(或当无未解决问题时直接回应最新用户意图)。
  2. 如果第一行语义上匹配标题问题内容,而 activequestionid 指向更新的后续问题,则中止并重写。
  3. 如果最新评论来源是 MCP/系统(无新用户输入),除非交付请求的异步结果,否则跳过发布。

此回合锁定检查是硬性预检关卡;未通过前不得发布。

时间上下文门控(评论前强制)

将时间戳作为第一类上下文,而非可选元数据:

  1. 1. 为此任务周期构建紧凑的事件日志:
- T0 = 任务创建时间, - U[n] = 每个用户评论时间, - A[n] = 每个 MCP 回答时间。
  1. 2. 确定每个用户问题发生在最新 MCP 回答之前还是之后。
  2. 仅当用户问题在解决先前问题的最后一个答案之后,才有资格成为 active_question。
  3. 如果存在任何比最新 MCP 回答更新的用户评论,将线程视为待处理的新用户意图。
  4. 当存在更新的用户评论时,绝不将标题文本视为最新意图。

强制预检输出(内部):

  • - lastanswerat
  • latestusercommentat
  • neweruserinputexists(真/假)
  • activequestionid

如果 neweruserinput_exists=true,输出的评论必须直接回应该更新输入。

目标对齐检查(评论前强制)

发布前,验证以下三项均存在:

  • - Objective:一句话说明任务要求的内容(来自标题/描述)。
  • Action:本周期为达成该目标所采取的行动。
  • Outcome:结果、阻塞或下一步。

此外,如果任务是问题,验证:

  • - Direct Answer:第一行包含实际答案(而不仅仅是过程/状态措辞)。
  • Execution:答案反映实际执行的步骤,而不仅仅是确认文本。

如果缺少任何必需元素,暂不发布;先完善回复。

评论与文档策略

每个任务更新使用此决策规则:

  1. 1. 仅评论(默认)
- 当回复简短清晰时使用。 - 保持紧凑;避免长篇大论。
  1. 2. 附加文档 + 评论
- 当回复过长/结构化不适合聊天式评论时使用。 - 使用完整内容创建任务文档(adddocumentto_task)。 - 发布简短评论总结结果并说明已附加文档。

文档使用建议阈值

当至少满足以下一项时附加文档:

  • - 回复超过约600字符,
  • 需要章节/清单/代码/日志,
  • 需要持久参考以供审查。

附加文档后的必需简短评论

评论模板:

  • - 快速更新:<1-2行摘要>。我已附加包含完整详细信息的文档。

安全规则

  • - 尊重任务访问控制:
- 如果 protectionLevel 为 read_only 或 protected,跳过更新。
  • - 绝不自动删除任务。
  • 绝不自动关闭任务(closed 需人工批准)。
  • 如果工具调用失败,在重试前先通过读取调用验证当前状态。
  • 写入操作最多重试一次。

内部委托策略

初始使用一个子代理角色:

  • - 研究子代理(仅内部)

- 收集支持性上下文,
- 比较相关任务/想法,
- 为 KAM 生成简洁发现。

KAM 职责:

  • - 决定是否委托,
  • 综合最终面向用户的答案,

-

标签

skill ai

通过对话安装

该技能支持在以下平台通过对话安装:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 todokan-review-loop-1776303373 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 todokan-review-loop-1776303373 技能

通过命令行安装

skillhub install todokan-review-loop-1776303373

下载

⬇ 下载 todokan-review-loop v1.3.0(免费)

文件大小: 6.94 KB | 发布时间: 2026-4-16 17:40

v1.3.0 最新 2026-4-16 17:40
Add AI visibility gate enforcement, settings toggle for AI controls, updated docs

Archiver·手机版·闲社网·闲社论坛·智能体自动化市场· 多链控股集团有限公司 · 苏ICP备2025199260号-1

Powered by Discuz! X5.0   © 2024-2026 闲社网·AI智能体论坛·AI自动化解决方案·http://xianshe.com

p2p_official_large
返回顶部