TL;DR: Untuk mendelegasikan tugas pertama ke agen AI, pilih pekerjaan berskala kecil yang hasilnya bisa diverifikasi oleh agen itu sendiri. Tulis judul yang berorientasi pada hasil akhir dan deskripsi yang mencakup cakupan kerja serta kriteria selesai (“done when”). Setelah itu, serahkan tugas tersebut dan tinjau hasilnya alih-alih mengarahkannya langkah demi langkah. Di Sharkly, ini berarti menghubungkan Computer yang sudah terhubung dengan akun Claude Code atau Codex yang aktif, membuat Agent dengan satu tugas spesifik, membuat Task, lalu menetapkan Assignee ke Agent tersebut. Menetapkan Assignee akan langsung memulai proses pengerjaan. Hasilnya akan dilaporkan kembali ke Task, dan seseorang yang akan mengubah statusnya menjadi Done.
Anda mungkin sudah berminggu-minggu menggunakan Claude Code atau Codex di terminal. Anda mengetik perintah, ia mengedit kode, Anda mengoreksinya, dan ia mengedit lagi. Mendelegasikan tugas adalah pendekatan yang berbeda: Anda menuliskan instruksi pekerjaan sekali saja, menyerahkannya, lalu kembali untuk memeriksa hasilnya. Percobaan pertama biasanya gagal karena alasan-alasan sepele: deskripsi tugas hanya bertuliskan “perbaiki bug login” tanpa rincian lain, alat koding di Computer belum masuk ke akun (sign in), atau tidak ada pengujian yang bisa dijalankan oleh agen, sehingga ia hanya menebak-nebak dan menganggap pekerjaannya sudah selesai.
Panduan ini membahas cara mendelegasikan tugas pertama ke agen AI agar tuntas diselesaikan: mulai dari cara memilih tugas, cara menyusun deskripsinya, langkah-langkah detail di Sharkly, hingga cara meninjau hasil yang diberikan. Jika Anda masih menimbang apakah suatu pekerjaan lebih cocok dibahas lewat chat atau didelegasikan sebagai tugas terpisah, silakan baca chat dengan agen AI atau delegasikan tugas? terlebih dahulu.
Pilih tugas pertama yang bisa diselesaikan oleh agen AI
Mendelegasikan tugas ke agen AI berarti menyerahkan instruksi kerja tertulis kepada agen koding untuk dijalankan sendiri, lalu Anda cukup meninjau hasilnya—alih-alih mengarahkannya lewat prompt satu per satu. Pilihlah tugas pertama yang sengaja dibuat sederhana dan membosankan. Anda sedang menguji konfigurasinya, bukan batas kemampuan maksimal sang agen.
Tugas pertama yang baik cukup berskala kecil sehingga perubahannya (diff) bisa dijelaskan dalam satu kalimat, memiliki pengujian yang dapat dijalankan sendiri oleh agen, terbatas pada satu modul saja, serta tidak menyentuh hal-hal berisiko tinggi yang sulit di-rollback: tanpa migrasi database, konfigurasi production, maupun kredensial rahasia (secrets).
| Tugas pertama yang baik | Tugas pertama yang buruk |
|---|---|
Tolak string kosong dan tidak valid di parseDate(), beserta tes |
Rapikan penanganan tanggal |
Perbaiki test_invoice_totals yang gagal dan jelaskan penyebabnya |
Perbaiki CI |
Tambahkan flag --json ke status, samakan dengan list --json |
Tingkatkan fungsionalitas CLI |
| Perbarui langkah instalasi di README untuk file konfigurasi baru | Tulis ulang dokumentasi |
Kolom di sebelah kanan sebenarnya bukan pekerjaan yang salah. Itu adalah pekerjaan tanpa batasan yang jelas, sehingga agen terpaksa mereka-reka ruang lingkupnya sendiri dan Anda pun harus menebak-nebak apakah hasilnya sudah sesuai. Panduan menggunakan Claude Code dari Anthropic menyebutkan poin yang paling krusial: “Berikan Claude metode pengecekan yang bisa dijalankannya sendiri: tes, build, atau tangkapan layar untuk dibandingkan.” Agen tanpa metode pengecekan hanya bisa mengklaim bahwa pekerjaannya sudah selesai. Sementara agen yang dibekali metode pengecekan dapat membuktikannya kepada Anda.
Tulis tugas agar agen AI dapat menyelesaikannya
Dokumentasi Tasks di Sharkly memiliki panduan dalam menentukan judul: “Judul yang baik menyebutkan hasil yang diharapkan, bukan sekadar topiknya.” Bagian deskripsi kemudian merinci hal-hal yang dibutuhkan oleh anggota tim baru maupun Agent: alasan mengapa pekerjaan ini penting, apa saja yang termasuk dan di luar ruang lingkup, file serta contoh yang relevan, keputusan yang sudah ditetapkan, dan bagaimana hasil akhirnya akan ditinjau. Panduan prompting Codex dari OpenAI menggunakan kerangka kerja yang hampir serupa: Goal, Context, Constraints, Done when.
Berikut adalah contoh tugas pertama yang ditulis dengan pendekatan tersebut, sebagai Task SH-312:
Title: Reject empty and malformed strings in parseDate()
Why: Support tickets show a 500 when the import form gets a blank date.
Scope: src/dates/parse.ts and its tests only. Do not change callers.
Context: Follow the pattern in src/dates/format.ts.
Errors use InvalidInputError from src/errors.ts.
Constraints: No new dependencies. Keep the public signature.
Done when:
- parseDate("") and parseDate("31/02/2026") throw InvalidInputError
- npm test passes
- Your final comment lists the files you changed and the test command you ran
Baris terakhir jauh lebih penting daripada kelihatannya. Instruksi tersebut mengubah klaim “pekerjaan selesai” menjadi bukti nyata yang bisa Anda verifikasi dalam hitungan sepuluh detik.
Ada dua kebiasaan yang menjaga pengelolaan tugas tetap rapi saat jumlahnya bertambah. Pertama, cantumkan tujuan utama, ruang lingkup, dan kriteria penerimaan (acceptance criteria) di bagian deskripsi, bukan tersebar di kolom komentar. Kedua, simpan aturan perilaku umum yang berlaku permanen—seperti “tanyakan jika instruksi kurang jelas”—di instruksi utama Agent, sehingga setiap Task hanya memuat hal-hal yang spesifik untuk tugas tersebut.
Delegasikan tugas pertama ke agen AI di Sharkly
Anda sudah memiliki agen koding. Sharkly menyatukannya menjadi sebuah tim yang solid. Untuk proses pengerjaan pertama, Anda membutuhkan empat hal: workspace, Computer, Agent, dan Task. Ikuti langkah-langkah dari panduan quickstart Sharkly berikut:
- Sign in dan buat workspace. Masuk di app.sharkly.ai menggunakan kode email, Google, atau GitHub, buat Organization, lalu pada bagian Initialize workspace pilih Software development. Sharkly akan membuat Default Space dengan tipe tugas Requirement dan Bug.
- Hubungkan Computer. Pasang Claude Code, Codex, Gemini, OpenClaw, Hermes, atau Pi Agent di komputer yang akan menjalankan pekerjaan, lalu masuk (sign in) ke akun Anda. Aplikasi desktop akan mendeteksi alat tersebut secara otomatis dan mendaftarkan komputernya. Di versi web, buka Get started, lalu pilih Connect Computer untuk mendapatkan perintah yang perlu dijalankan di komputer tersebut. Dokumentasi mengingatkan bahwa “Online hanya berarti koneksi terhubung,” jadi buka menu Computer dan pastikan status Runtime adalah Available. Artikel Computers di Sharkly membahas perbandingan penggunaan laptop vs server.
- Buat Agent dengan satu tugas spesifik. Buka Agents, pilih New Agent, tentukan Code development, lalu pilih “the Agent automatically pulls Git repositories” dan tambahkan repositorinya. Pilih Computer yang sesuai dan buat instruksi tetap ringkas. Biarkan opsi working directory pada Create temporary directory agar setiap Task mendapatkan worktree tersendiri, dan pertahankan visibilitas pada Personal sampai Agent terbukti bekerja dengan baik. Tidak ada opsi pemilihan model langsung di menu: jika Anda ingin menggunakan model tertentu, cantumkan di Custom arguments.
- Jalankan pengecekan read-only. Sebelum melakukan perubahan kode apa pun, dokumentasi Repositories menyarankan untuk membuat Task seperti “Periksa repositori dan laporkan bahasa pemrograman utama, package manager, serta perintah tes yang paling relevan. Jangan ubah file apa pun.” Ini membuktikan bahwa Agent dapat mengakses repositori, menggunakan izin akses Git, dan menjalankan perintah di terminal.
- Buat Task dan tetapkan tugasnya. Di halaman Tasks, pilih New Task lalu tempel judul dan deskripsi yang sudah disiapkan. Task baru akan berstatus Todo. Atur Assignee ke Agent yang telah dibuat. Mengutip dari quickstart: “Menetapkan Assignee akan langsung mengaktifkan Agent. Anda tidak perlu mengubah statusnya terlebih dahulu.” Pengecualian berlaku untuk Backlog yang berfungsi sebagai status penampung (parking state): Task di Backlog tidak akan berjalan sampai Anda memindahkannya ke status lain.
Pantau proses pengerjaan agen AI dan tinjau hasilnya
Sebuah proses eksekusi (run) memiliki statusnya sendiri, terpisah dari status Task. Halaman dokumentasi Agent task execution menjelaskan status-status tersebut:
| Status eksekusi | Artinya |
|---|---|
| Queued | Diterima dan menunggu kapasitas dispatch |
| Dispatched | Telah diambil dan mulai dijalankan di Computer |
| Waiting for local directory | Tidak ada direktori terkonfigurasi yang sedang kosong |
| Running | Agent sedang bekerja |
| Completed, Failed, Canceled | Hasil akhir dari proses eksekusi |
Pada halaman Task, tab Activity menampilkan komentar, termasuk laporan akhir dari Agent, dan tab Executions menampilkan riwayat proses eksekusi. Segala hal yang memerlukan perhatian Anda akan masuk ke Inbox di bagian Primary: percakapan yang menunggu balasan atau tinjauan Anda, pekerjaan yang gagal atau terhambat, serta mention langsung.
Setelah eksekusi selesai, tinjau perubahan di worktree, lalu pilih untuk menyimpannya, melakukan merge, atau membuangnya. Jika ada yang keliru, beri @mention pada Agent di kolom komentar disertai instruksi perbaikan yang spesifik: “Kasus empty-string masih mengembalikan nilai null. Lempar InvalidInputError.” Komentar biasa tanpa mention tidak akan memicu Agent untuk bekerja kembali. Jika hasilnya sudah sesuai, pengguna dapat mengubah status Task menjadi Done. Agen bertugas meriset, mengeksekusi, menguji, dan melaporkan. Manusialah yang menentukan arah, memberikan otorisasi, dan menyetujui hasil akhirnya. Untuk panduan meninjau diff secara menyeluruh, baca artikel meninjau kode buatan AI dengan bukti di tingkat tugas.
Satu agen AI, sebuah Crew, atau cukup terminal Anda?
Jika Anda sedang berada di depan keyboard dan menginginkan perubahan cepat saat itu juga, sesi Claude Code atau Codex langsung di terminal tentu lebih cepat daripada alur pendelegasian tugas apa pun, dan Anda tidak memerlukan Sharkly untuk itu. Mendelegasikan tugas baru terasa manfaatnya saat Anda ingin meninggalkan komputer untuk mengerjakan hal lain, saat ada orang lain yang akan meninjau hasilnya, atau saat pekerjaan tersebut perlu tercatat rapi dan bisa dipantau oleh seluruh tim.
Di dalam Sharkly, dokumentasi Crews menetapkan aturan praktis: “Untuk pekerjaan kecil dengan batasan yang jelas, delegasikan Task langsung ke satu Agent. Gunakan Crew jika lead agent perlu menjabarkan tujuan, melibatkan anggota Agent lainnya, dan mengumpulkan kembali hasilnya.” Tugas pertama Anda sebaiknya diserahkan ke satu Agent saja. Panduan mengenai Sharkly Crews mengulas skenario kedua secara lebih mendalam.
Setelah satu Agent mampu menangani jenis Task tertentu secara konsisten, panduan quickstart menyarankan untuk membaginya menjadi Agent yang lebih terspesialisasi atau menyimpan prosedur yang berulang sebagai Skill. Langkah selanjutnya biasanya adalah menjalankan beberapa Task secara bersamaan; panduan kami tentang menjalankan beberapa agen Claude Code secara paralel mengupas tuntas teknik isolasi dan urutan merge. Halaman fitur Agents menyajikan alur konfigurasi ini dari awal hingga akhir.
Jika Anda ingin mendelegasikan pekerjaan ke agen koding langganan Anda dan mengumpulkan semua hasilnya di satu tempat terpusat, solusi itulah yang menjadi fokus utama rancangan Sharkly.
FAQ
Apakah mendelegasikan tugas akan langsung menjalankan agen AI? Biasanya ya. Menetapkan Assignee akan langsung memulai proses eksekusi, kecuali jika status Task berada di Backlog, Completed, Canceled, atau Duplicate. Proses ini mungkin masih harus menunggu dengan status Queued bergantung pada ketersediaan Computer, batasan konkurensi, atau ketersediaan direktori kerja yang kosong.
Apa yang terjadi jika Computer saya offline? Proses eksekusi baru umumnya akan menunggu hingga komputer terhubung kembali, dan proses dapat tetap berada dalam antrean (Queued) jika Computer terputus sebelum tahap dispatch. Aktifkan opsi Prevent sleep pada laptop yang digunakan agar tetap dapat menerima tugas.
Apakah saya membayar biaya model AI melalui Sharkly? Tidak. Biaya penggunaan dibebankan langsung ke paket Claude Code, Codex, atau API yang sudah terpasang di Computer Anda, dan Sharkly tidak menjual token. Sharkly sendiri saat ini gratis untuk organisasi hingga 5 orang; lihat penjelasan harga Sharkly.
Apa saja yang bisa diakses oleh agen di komputer saya? Apa pun yang disediakan oleh Computer: “sistem operasi, file, kredensial, akses jaringan, dan alat-alat yang dibutuhkan oleh Agent.” Pertahankan pengaturan Agent dan Computer tetap berstatus Personal selama menggunakan kredensial pribadi Anda, jangan pernah menempelkan token ke dalam Task, dan baca panduan apa yang boleh dan tidak boleh dilakukan oleh agen koding.
