Claude Code adalah alat coding agentic yang membaca codebase Anda, mengedit file, menjalankan perintah, dan bekerja langsung dengan git. Bagi satu developer di satu terminal, alat ini sama sekali tidak butuh manajemen: Anda mendeskripsikan pekerjaannya, menontonnya berjalan, lalu meninjau diff-nya. Alur itu cepat, dan tidak ada bagian dalam panduan ini yang meminta Anda melepaskannya.
Kesenjangannya baru muncul ketika sebuah tim bergantung padanya. Lima developer yang menjalankan sesi Claude Code memang menghasilkan output nyata, tetapi pekerjaannya hidup di terminal pribadi masing-masing. Tidak ada yang bisa menjawab pertanyaan-pertanyaan yang menjadi tumpuan kerja tim: siapa yang meminta perubahan ini, siapa yang mengeksekusinya sekarang, apa yang sebenarnya dilakukan run tersebut, dan siapa yang menerima hasilnya sebelum di-merge. Eksekusinya luar biasa; catatan pekerjaannya tidak ada.
Manajemen proyek Claude Code adalah praktik menjalankan pekerjaan itu sebagai pekerjaan proyek yang terlacak dan bisa ditinjau: sebuah issue berubah menjadi Task dengan ruang lingkup yang jelas, Task ditugaskan ke Agent yang mengeksekusi melalui Claude Code, run-nya berjalan di worktree terisolasi pada mesin yang Anda kendalikan, dan hasilnya kembali ke manusia untuk ditinjau. Panduan ini menelusuri alur tersebut menggunakan Sharkly, yang bukan pengganti Claude Code. Sharkly menambahkan lapisan task, konteks, kontrol, dan tinjauan bersama di sekitar alat yang sudah dipakai tim Anda.
TL;DR
Untuk mengelola pekerjaan Claude Code seperti pekerjaan proyek, tulis issue-nya sebagai Task dengan ruang lingkup jelas yang memuat tujuan, batasan, dan kriteria penerimaan; tugaskan ke Agent yang Runtime-nya Claude Code; biarkan run-nya dieksekusi di Computer yang terhubung dalam git worktree terisolasi sambil progresnya dialirkan kembali; lalu tinjau buktinya di Task dan terima, minta perubahan, atau tugaskan ulang. Claude Code yang melakukan eksekusi. Sharkly mengelola penugasan, konteks, progres, hambatan, hasil, dan tinjauan manusia di sekitarnya, sehingga run paralel tetap terlihat oleh seluruh tim alih-alih menghilang ke terminal pribadi. Sesi terminal solo tetap menjadi alat yang tepat untuk pekerjaan cepat, lokal, dan berisiko rendah.
Apa yang ditambahkan Task terkelola pada sesi Claude Code mentah
Sesi mentah dan Task terkelola menjalankan Claude Code yang sama di baliknya. Bedanya terletak pada semua hal di sekitar run tersebut, dan itu terbagi ke dalam empat kemampuan yang tidak bisa diberikan terminal.
Visibilitas bersama. Task menyimpan kebutuhan, status task, diskusi, catatan eksekusi, dan tinjauan di satu tempat, bukan memecahnya ke berbagai prompt dan sesi pribadi. Rekan tim bisa membuka SH-214 dan melihat apa yang diminta, apa yang sedang berjalan, dan apa yang sudah kembali.
Kepemilikan. Task memisahkan tanggung jawab manusia dari eksekusi Agent. Seseorang bertanggung jawab atas hasil akhirnya; Agent atau Crew adalah pelaksana yang ditugaskan. Keduanya tercatat, sehingga “siapa yang memiliki ini” selalu punya jawaban.
Bukti tinjauan. Setiap run menghasilkan jejak eksekusi: kapan dimulai, alat apa saja yang dipanggil, mengapa diantrekan, dan bagaimana berakhirnya. Laporan Agent disimpan permanen sebagai komentar yang tertaut ke jejak tersebut. Tinjauan bukan lagi “percayai saja siapa pun yang menonton terminal”, melainkan “baca catatannya”.
Run paralel tanpa benturan. Setiap Task mendapat direktori terisolasi, dan pekerjaan berbasis repositori dapat memakai git worktree terpisah untuk tiap run, sehingga beberapa Task bisa mengubah codebase yang sama sekaligus. Mekanisme paralelnya punya panduan tersendiri: cara menjalankan beberapa agen Claude Code secara paralel.
Satu batasan yang jujur sebelum kita masuk ke penelusurannya. Tidak setiap sesi Claude Code membutuhkan ini. Gunakan Agent Chat mandiri, atau sesi terminal biasa, untuk menjajaki sebuah pertanyaan, menyusun rencana, atau membuat perubahan lokal yang cepat. Gunakan Task ketika pekerjaannya membutuhkan kepemilikan, status, riwayat eksekusi, atau tinjauan.
Langkah 1: Ubah issue menjadi Task yang bisa dieksekusi Agent
Alur ini dimulai sebelum agen mana pun berjalan. Claude Code menyusun pendekatan dari apa yang Anda berikan, jadi Task yang samar akan menghasilkan run yang percaya diri ke arah yang salah.
Judul Task yang berguna menyebutkan hasil akhirnya, bukan topiknya. Deskripsinya harus memuat semua yang dibutuhkan orang baru, atau Agent, untuk melanjutkan: mengapa pekerjaan ini penting; apa yang termasuk dan tidak termasuk dalam ruang lingkup; file, tautan, atau perilaku teramati yang relevan; batasan dan keputusan yang sudah diambil; serta bagaimana penyelesaiannya akan ditinjau.
Poin terakhir itulah yang sering dilewatkan alur kerja solo. Menuliskan “selesai berarti logika retry punya tes yang gagal pada perilaku lama” ke dalam deskripsi memberi peninjau sebuah daftar periksa dan Agent sebuah target. Simpan tujuan, ruang lingkup, dan kriteria penerimaan yang stabil di deskripsi; gunakan komentar untuk diskusi.
Kategori status juga penting di sini: Task yang ada di Backlog berarti diparkir, dan menugaskan Agent padanya tidak memulai eksekusi. Itu justru fitur. Anda bisa menyusun sekumpulan Task, menugaskan semuanya, lalu melepaskan masing-masing secara sengaja dengan memindahkannya keluar dari Backlog saat sudah siap.
Jika issue Anda sudah berada di tempat lain, Anda tidak perlu membangun ulang prosesnya. Integrasi Sharkly mencakup Jira, Slack, dan GitHub, jadi tracker yang sudah ada tetap dipakai sementara eksekusi menjadi bisa ditugaskan dan dilacak. Disiplin menulis pekerjaan yang bisa dieksekusi agen adalah bagian dari pergeseran yang lebih besar yang kami bahas di apa itu agentic coding.
Langkah 2: Tugaskan ke Agent yang Runtime-nya Claude Code
Di Sharkly, Anda tidak menugaskan pekerjaan langsung ke Claude Code. Anda menugaskannya ke Agent, dan Runtime Agent itulah Claude Code. Perbedaan ini punya alasan kuat.
Agent adalah konfigurasi kerja yang tersimpan, bukan prompt sekali pakai: instruksi, Runtime, Skills, repositori, variabel lingkungan, dan pengaturan run-nya membentuk cara ia menangani pekerjaan. Satu orang mengonfigurasi Agent “Backend Fixer” sekali, membagikannya ke Space, dan seluruh tim menugaskan pekerjaan ke konfigurasi yang sama dan sudah teruji, alih-alih setiap developer mengarang prompt sendiri-sendiri. Kami membedah konsep ini secara lengkap di Agent di Sharkly, dijelaskan.
Runtime adalah alat agen konkret yang tersedia di sebuah Computer. Saat Anda menghubungkan sebuah mesin, layanan lokal kecil akan mendeteksi alat agen yang didukung dan terpasang di sana, lalu melaporkan masing-masing sebagai Runtime; instalasi Claude Code muncul sebagai Runtime yang tersedia begitu layanan itu bisa melihatnya.
Tiga fakta tentang pengaturan ini menjaga ekspektasi tetap lurus:
- Agent mengikuti model default Runtime. Sharkly tidak menampilkan atau menjanjikan nama model, dan tidak ada pemilih model maupun kontrol kedalaman berpikir pada Agent. Untuk mengganti model, ubah konfigurasinya di Claude Code itu sendiri.
- Penggunaan model bersifat bring-your-own. Run memakai langganan Claude atau API key yang sudah dikonfigurasi di Claude Code pada Computer tersebut. Kuota model bergantung pada alat coding AI, paket langganan, dan akun API yang dihubungkan tim Anda.
- Penugasan bersifat eksplisit. Anda membuka kontrol Assignee pada Task dan memilih Agent, seperti menugaskan tiket ke rekan kerja. Orang yang bertanggung jawab tetap tercatat secara terpisah.
Untuk pekerjaan kecil yang sudah terdefinisi dengan baik, tugaskan Task langsung ke satu Agent. Gunakan Crew, yaitu grup orang dan Agent yang bisa dipakai ulang dan dikoordinasikan oleh satu Agent pemimpin, hanya ketika pemimpin itu benar-benar perlu menafsirkan tujuan dan membawa hasil anggota lain kembali ke satu Task. Versi langkah demi langkah untuk penugasan pertama ada di cara menugaskan task pertama Anda ke agen AI.
Langkah 3: Eksekusi di sebuah Computer, dalam worktree terisolasi
Saat Task keluar dari Backlog dan Agent sudah siap, Sharkly mengantrekan run dan mengirimkannya ke Computer yang dipilih: laptop Anda, server jarak jauh, atau container. Layanan lokal di mesin tersebut menerima run, menyiapkan direktori task, menjalankan Claude Code, dan mengalirkan progresnya kembali. Kode, kredensial, dan instalasi Claude Code Anda tidak pernah meninggalkan perangkat keras yang Anda kendalikan.
Pemisahan tanggung jawab ini perlu dinyatakan dengan gamblang: Agent mendefinisikan bagaimana pekerjaan seharusnya ditangani; Computer menyediakan host dan sumber daya lokal; Runtime menjalankan sesi agen yang sebenarnya; Task tetap menjadi catatan bersama.
Untuk pekerjaan repositori, mode working directory yang direkomendasikan adalah Temporary: setiap Task mendapat direktori terisolasi, dan layanan lokal dapat menyiapkan git worktree baru untuk tiap run dari data repositori yang di-cache. Dua Task yang menyentuh repositori sama akan menulis ke dua direktori berbeda di disk, itulah sebabnya run paralel tidak saling menimpa. Primitif ini dibahas di cara menggunakan git worktree dengan agen coding AI. Mode Specified, yaitu satu direktori lokal terkonfigurasi yang dipakai ulang oleh run, tersedia untuk pengecualian yang jujur: repositori yang sangat besar, cache lokal yang mahal, atau alat yang terikat pada satu path.
Selama Claude Code bekerja, run berpindah melalui status yang terlihat: queued, dispatched, running, lalu completed, failed, atau canceled. Status run terpisah dari status Task, dan pemisahan itu berguna: Task bisa tetap In Progress sementara Agent-nya bekerja, menunggu balasan manusia, atau melaporkan error, dan tak seorang pun perlu memantau terminal untuk tahu yang mana.
Langkah 4: Progres dan hambatan kembali ke Task
Semua yang perlu dilihat tim kembali ke satu tempat. Laporan Agent disimpan sebagai komentar yang tertaut ke jejak eksekusinya. Activity menampilkan komentar dan perubahan task dalam satu linimasa. Executions menyimpan riwayat run: sumber pemicu, waktu mulai dan selesai, pemanggilan alat, dan detail kegagalan.
Hambatan muncul ke permukaan alih-alih macet diam-diam. Agent bisa meninggalkan Task dalam kondisi menunggu balasan atau tinjauan manusia, dan pekerjaan yang terhambat masuk ke Inbox, antrean pribadi yang memisahkan Task yang butuh perhatian Anda dari pembaruan berprioritas lebih rendah. Perbedaannya bersifat struktural: sesi yang macet menunggu sampai Anda kebetulan memeriksa tab-nya, sedangkan Task yang terhambat memberi tahu orang yang bertanggung jawab bahwa ia terhambat.
Melanjutkan pekerjaan cukup dengan komentar, bukan sesi baru. Komentar yang memenuhi syarat pada Task yang masih ditugaskan ke Agent akan memulai run lanjutan dengan konteks Task yang sudah terkumpul, dan komentar yang datang beruntun digabungkan agar Anda tidak memicu run tertunda yang duplikat.
Langkah 5: Tinjauan dan penerimaan oleh manusia
Alur ini berakhir di tempat yang seharusnya: pada manusia. Agen meneliti, mengeksekusi, menguji, dan melapor. Manusia menetapkan arah, memberikan wewenang, dan menerima hasilnya.
Meninjau pada Task terkelola berarti membaca bukti, bukan menonton ulang sebuah sesi. Peninjau memeriksa laporan Agent terhadap kriteria penerimaan yang ditulis di Langkah 1: apakah tetap dalam ruang lingkup, apakah menjalankan pemeriksaan yang relevan, apakah memberikan bukti untuk kesimpulannya, apakah mencatat ketidakpastian alih-alih menebak. Jejak eksekusi tersedia ketika ringkasannya tidak cukup.
Penerimaan kemudian menempuh salah satu dari tiga jalur yang jujur. Terima pekerjaannya dan pindahkan Task ke status selesai. Minta perubahan dengan komentar yang terarah, yang memulai run lanjutan dengan konteks penuh. Atau putuskan bahwa run-nya salah arah: batalkan, baca log eksekusi, lalu coba lagi atau tugaskan pekerjaannya ke Agent lain.
Semua ini tidak menggantikan tinjauan git Anda. Claude Code membuat branch, menulis commit, dan membuka pull request melalui hosting git normal Anda, dan tinjauan merge tetap di tempatnya. Task menambahkan apa yang tidak bisa dilihat halaman PR: permintaan aslinya, bukti eksekusi, dan penerimaan yang tercatat.
Sesi solo vs Task terkelola
| Pertanyaan | Sesi Claude Code solo | Task Sharkly terkelola |
|---|---|---|
| Siapa yang meminta ini? | Ingatan Anda | Deskripsi Task, lengkap dengan ruang lingkup dan kriteria penerimaan |
| Siapa yang mengerjakannya? | Siapa pun yang memegang terminalnya | Orang yang bertanggung jawab plus Agent sebagai pelaksana yang ditugaskan |
| Apa yang sedang terjadi sekarang? | Menonton terminal | Status run di Task, board, dan Inbox |
| Apa yang dilakukan run tersebut? | Scrollback, sampai tab-nya ditutup | Jejak eksekusi dan komentar yang tersimpan permanen |
| Bisakah dua run berbagi satu repo? | Hanya jika Anda menyiapkan worktree secara manual | Worktree terisolasi per Task secara default |
| Siapa yang menyetujui hasilnya? | Tidak ada yang mencatatnya | Tinjauan dan penerimaan di Task |
| Bisakah tim memakai ulang pengaturannya? | Prompt hanya ada pada satu orang | Agent dan Skills yang dibagikan di Space |
Kolom kiri bukanlah kolom yang salah. Itu alat yang tepat untuk eksplorasi dan perbaikan cepat. Kolom kanan baru membuktikan nilainya ketika pekerjaan perlu terlihat, bisa ditinjau, dan paralel.
Dari satu Task ke proyek yang terkelola
Semua yang di atas bisa berkembang dari satu Task menjadi sebuah rencana tanpa berubah bentuk. Task dikelompokkan menjadi Project ketika beberapa di antaranya melayani satu hasil, dan menjadi Sprint ketika pertanyaannya adalah apa yang rilis dalam rentang waktu ini. View menyimpan pertanyaan yang sering diajukan tim, misalnya Task yang menunggu tinjauan.
Itulah keseluruhan tesis dari alur kerja ini. Daya ungkit tim tidak datang dari membuka lebih banyak chat AI; melainkan dari berbagi peran, aturan, konteks, dan alur kerja. Di mana disiplin ini berada dalam lanskap yang lebih luas menjadi topik panduan pilar kami, apa itu manajemen proyek agen AI.
Mulailah lebih kecil dari yang terasa perlu. Hubungkan satu Computer, pastikan Claude Code muncul sebagai Runtime yang tersedia, buat satu Agent dengan peran yang sempit, dan tugaskan satu Task berisiko rendah dengan kriteria penerimaan yang nyata. Tinjau hasilnya seperti Anda meninjau pull request pertama anggota tim baru. Dokumentasi Sharkly membahas tiap konsepnya lebih mendalam.
FAQ
Apakah Sharkly menggantikan Claude Code?
Tidak. Sharkly bukan pengganti Claude Code, Codex, atau alat eksekusi lain. Claude Code yang melakukan eksekusi: ia membaca codebase, mengedit file, menjalankan perintah, dan bekerja dengan git. Sharkly menambahkan lapisan tingkat tim di sekitarnya, mengelola penugasan, konteks task, progres, hambatan, hasil, dan tinjauan manusia.
Apakah saya perlu langganan model terpisah untuk menjalankan Claude Code melalui Sharkly?
Tidak. Penggunaan model tetap berjalan melalui langganan atau API key yang sudah dikonfigurasi di Claude Code pada Computer yang Anda hubungkan. Kuota model bergantung pada alat coding AI, paket langganan, dan akun API yang dihubungkan tim Anda.
Bisakah saya tetap memakai Claude Code langsung di terminal?
Bisa, dan sebaiknya begitu. Sesi langsung atau Agent Chat mandiri adalah alat yang tepat untuk menjajaki sebuah pertanyaan, menyusun rencana, atau membuat perubahan lokal yang cepat. Beralihlah ke Task ketika pekerjaannya membutuhkan kepemilikan, status, riwayat eksekusi, atau tinjauan.
Apa yang terjadi ketika sebuah run gagal?
Run ditandai failed pada Task, dan log eksekusi mencatat judulnya plus detail teknis asli dari layanan model. Panduan pemecahan masalah Sharkly memetakan kasus umum, seperti rate limit, kuota habis, dan error autentikasi, ke langkah berikutnya, serta menautkan referensi error milik Claude Code sendiri. Coba lagi setelah penyebabnya diperbaiki, atau tugaskan Task ke Agent lain.
Bisakah beberapa Task Claude Code berjalan di repositori yang sama sekaligus?
Bisa. Dalam mode working directory Temporary, setiap Task berjalan di direktori terisolasinya sendiri, dan run berbasis repositori masing-masing bisa mendapat git worktree baru, sehingga Task yang berjalan bersamaan tidak menulis ke checkout bersama. Batas konkurensi pada Agent dan Computer membatasi berapa banyak yang berjalan sekaligus.
