Apa Itu Sharkly?

Anda sudah bisa menyerahkan tugas nyata kepada satu agen coding AI. Anda menjelaskan perubahannya, agen itu mengedit file, menjalankan tes, lalu mengembalikan diff. Alur kerjanya terasa mulus sampai tiba saatnya Anda ingin agen kedua bekerja sementara agen pertama masih berpikir. Sekarang Anda punya dua terminal, dua branch yang harus dijaga agar tidak tertukar, dan tidak ada catatan bersama tentang siapa mengerjakan apa. Tambahkan agen ketiga dan seorang rekan tim yang ingin membantu, dan semuanya berubah menjadi prompt serta sesi terminal pribadi yang tidak bisa dilihat orang lain. Agen-agennya tidak masalah. Yang hilang adalah sistem di sekelilingnya.

Sistem itulah yang disediakan Sharkly. Sharkly memungkinkan Anda menugaskan pekerjaan kepada agen coding AI seperti Anda menugaskan pekerjaan kepada rekan tim: sebuah tugas dengan pemilik, konteks, tempat hasilnya dikembalikan, dan langkah review sebelum apa pun di-merge. Agen tetap yang menulis kode. Sharkly menambahkan lapisan tugas bersama, komputer, konteks, kontrol, dan review di sekitar alat yang sudah tim Anda gunakan.

TL;DR

Sharkly adalah platform komando dan manajemen Agent yang serba bisa dalam satu tempat. Platform ini mengubah agen coding AI seperti Claude Code, Codex, dan Gemini menjadi anggota tim yang dapat ditugaskan dan dilacak di dalam sistem tugas yang sesungguhnya: tugaskan sebuah Task, jalankan beberapa Agent secara paralel di komputer Anda sendiri, dan jaga agar konteks, progres, hambatan, hasil, serta review manusia tetap terlihat dari permintaan hingga rilis. Sharkly bukan pengganti alat coding tersebut. Sharkly adalah lapisan koordinasi di sekelilingnya.

Apa itu Sharkly?

Sharkly adalah platform untuk mengoordinasikan orang dan beberapa Agent coding AI dalam satu sistem kerja bersama. Anda menugaskan sebuah Task, seorang Agent meneliti dan menjalankannya di workspace terisolasi, lalu hasilnya kembali ke Task tersebut untuk ditinjau dan diterima oleh manusia. Alat coding tetap menjalankan kodenya; Sharkly mengelola penugasan, konteks, eksekusi paralel, dan review di seluruh alat tersebut.

Cara paling jelas untuk menempatkan Sharkly adalah dari apa yang tidak dilakukannya. Dari FAQ produk itu sendiri:

Sharkly bukan pengganti Claude Code, Codex, atau alat eksekusi lainnya. Sharkly menambahkan lapisan tugas bersama, komputer, konteks, kontrol, dan review di sekitar alat yang sudah tim Anda gunakan.

Jadi pembagian kerjanya tegas. Claude Code, Codex, dan alat sejenis melakukan eksekusi. Sharkly mengelola penugasan tingkat tim, komputer yang terhubung, konteks tugas, progres, hambatan, hasil, dan review manusia di seluruh alat tersebut. Jika Anda sudah tahu apa itu orkestrasi agen AI, Sharkly adalah salah satu cara konkret untuk mendapatkannya tanpa harus membangun sistemnya sendiri.

Batas itu penting karena asumsi keliru yang paling umum tentang alat di kategori ini adalah bahwa alat tersebut bersaing dengan agen Anda. Tidak. Anda tetap memakai setup Claude Code Anda, konfigurasi Codex Anda, langganan, dan API key Anda. Sharkly berada di atas semuanya dan membuat setiap eksekusinya dapat ditugaskan serta dilacak.

Pakai langganan Anda sendiri

Tidak ada jual beli token di sini. Penggunaan model tetap berjalan melalui langganan atau API key yang dikonfigurasi di alat coding yang Anda hubungkan. Kuota model Anda bergantung pada alat coding AI, paket, dan akun API yang dihubungkan tim Anda, bukan pada Sharkly. Kerangka berpikir itu menjaga lapisan ini tetap jujur: Sharkly membuktikan nilainya lewat koordinasi, bukan dengan berdiri di antara Anda dan model.

Masalah yang dipecahkan Sharkly: agen bisa diskalakan, koordinasinya tidak

Satu agen butuh prompt yang bagus. Beberapa agen butuh seorang manajer. Pergeseran itulah yang membuat tim bermasalah, dan itu terjadi dengan cepat begitu agen terbukti berguna.

Jalankan satu agen, satu terminal sudah cukup. Anda mengawasinya, meninjau diff, merge, lanjut. Jalankan tiga agen, dan tiga mode kegagalan muncul hampir bersamaan:

• Tabrakan. Dua agen yang mengedit repositori yang sama saling menimpa. Pekerjaan yang belum di-commit hilang dan status git jadi kacau.
• Kebutaan. Dengan agen tersebar di enam tab terminal, Anda tidak bisa membedakan mana tugas yang selesai, mana yang macet, dan mana yang diam-diam memakai pendekatan yang salah.
• Konteks yang hilang. Tujuan, diff, diskusi, dan review tiap eksekusi tersimpan di sesi pribadi yang terpisah. Rekan tim tidak bisa melanjutkan dari tempat Anda berhenti, karena tidak ada yang bisa dilanjutkan bersama.

Tidak satu pun dari ini masalah kualitas agen. Tiap agen mungkin bekerja dengan hati-hati. Kegagalannya adalah koordinasi, dan justru itulah kegagalan yang dipecahkan sistem tugas untuk tim manusia. Sharkly menerapkan gagasan yang sama pada Agent: beri setiap eksekusi seorang pemilik, catatan bersama, dan gerbang review, sehingga eksekusi menjadi bagian dari rencana tim alih-alih hilang di terminal pribadi.

Untuk versi rasa sakit ini yang spesifik pada satu runtime, panduan kami tentang menjalankan beberapa agen Claude Code secara paralel membahas dinding yang sama dari sisi terminal.

Konsep inti, dijelaskan

Kosakata Sharkly sedikit dan setiap kata punya satu makna. Pelajari kelima hal ini, dan sisa produknya akan terbaca dengan jelas.

• Task adalah unit kerja utama di Sharkly. Di dalamnya ada tujuan, penerima tugas, konteks, eksekusi, hasil, dan review. Semuanya kembali ke sini.
• Agent mendefinisikan bagaimana pekerjaan harus ditangani: instruksinya, Skills-nya, alat coding-nya. Anda menugaskan Task ke Agent seperti Anda menugaskan tiket kepada orang.
• Computer menyediakan host dan sumber daya lokal tempat sesi Agent berjalan. Hubungkan komputer Anda sendiri, secara lokal melalui Sharkly Desktop atau jarak jauh melalui Sharkly CLI, sehingga kode dieksekusi di tempat yang Anda kendalikan.
• Runtime menjalankan sesi agen yang sesungguhnya. Claude Code, Codex, Gemini, dan runtime command-line lain terpasang di sini.
• Crew adalah kelompok People dan Agent yang dapat digunakan ulang dan dikoordinasikan oleh satu Agent pemimpin.

Pemisahan itulah intinya. Agent menentukan bagaimana pekerjaan harus ditangani; Computer menyediakan host dan sumber daya lokal; Runtime menjalankan sesi yang sesungguhnya; Task tetap menjadi catatan bersama bagi tim. Setiap bagian punya satu tugas, dan itulah yang membuat ruangan penuh Agent paralel tetap mudah dipahami.

Kapan memakai satu Agent, dan kapan memakai Crew

Kebanyakan orang mengambil keputusan ini secara terbalik. Anda tidak perlu Crew untuk sebagian besar pekerjaan. Untuk pekerjaan kecil yang sudah jelas cakupannya, tugaskan Task langsung ke satu Agent dan biarkan tanpa komponen yang bergerak. Gunakan Crew ketika Agent pemimpin perlu menafsirkan tujuan yang luas, melibatkan anggota Agent lain, dan mengembalikan hasil mereka ke dalam satu Task. Mulailah dari alat yang sederhana; naik ke Crew ketika satu Agent benar-benar tidak sanggup memegang seluruh tujuan. Task nyata pertama Anda sebaiknya diberikan kepada satu Agent, dan itulah yang dibahas dalam panduan task pertama kami.

Alur kerja: dari permintaan hingga rilis dalam empat tahap

Sharkly membingkai pekerjaan produk dalam empat tahap. Inilah tulang punggung seluruh platform, dan pemetaannya pas dengan cara tim Anda merilis produk selama ini.

Tahap 1: deskripsikan dan riset

Seseorang mendeskripsikan kebutuhannya dalam bahasa alami. Seorang Agent meneliti produk, basis kode, tugas-tugas sebelumnya, dan aturan tim, lalu melengkapi cakupan serta kriteria penerimaan dan membuat Task yang bisa dieksekusi. Manusia menyatakan maksudnya; Agent mengubahnya menjadi pekerjaan yang benar-benar bisa dikerjakan.

Di sinilah lapisan ini mulai terasa manfaatnya. Alih-alih Anda harus menerjemahkan permintaan yang samar menjadi prompt yang presisi setiap kali, Agent yang membentuknya dan menuliskannya sebagai Task yang bisa dilihat orang lain. Sebuah task di Sharkly tampil seperti SH-312: tiket sungguhan, bukan pesan chat yang hilang begitu digulir.

Tahap 2: pengembangan paralel otomatis

Agent mengambil Task yang sudah siap dan bekerja di git worktree yang terisolasi. Frontend, backend, perbaikan bug, dan cakupan tes bergerak bersamaan, masing-masing di workspace-nya sendiri di komputer Anda. Worktree inilah yang membuat paralel jadi aman: direktori kerja tertaut yang berbagi riwayat satu repositori tetapi tetap memiliki branch dan file sendiri. Lima Agent, lima worktree, lima branch, nol tabrakan.

Karena eksekusinya berjalan di komputer yang Anda hubungkan, perubahan buruk tetap terkurung di branch dan mesinnya. Tidak ada yang menyentuh branch main Anda secara tidak sengaja. Jika Anda ingin memahami mekanismenya secara mendalam, lihat panduan git worktree untuk agen coding AI kami.

Tahap 3: tes dan penerimaan oleh manusia

Agent menjalankan typecheck, tes, dan build, lalu melampirkan ringkasan perubahan, hasil verifikasi, dan batasan yang diketahui ke Task tersebut. Seseorang menerima, meminta perubahan, atau memutuskan langkah merge dan rilis. Eksekusi, hambatan, hasil, dan diskusi lanjutan kembali ke timeline Task, sehingga review dilakukan dengan konteks yang lengkap, bukan hanya berbekal diff kosong.

Tahap inilah yang membuat menjalankan banyak Agent menjadi aman, bukan sembrono. Kecepatan tanpa titik pemeriksaan adalah cara Anda merilis lima bug dalam waktu yang dulu dipakai untuk merilis satu. Gerbang persetujuan menjaga throughput tetap tinggi dan mengembalikan manusia ke dalam alur pada satu momen yang benar-benar penting. Serahkan keputusan penerimaan akhir dan rilis kepada manusia.

Tahap 4: proyek dan sprint

Tim melacak penyelesaian, kepemilikan, dependensi, perubahan cakupan, dan hambatan dalam rencana bersama. Pekerjaan Agent berada di Projects dan Sprints yang sama dengan pekerjaan manusia, sehingga seorang manajer cukup membaca satu board alih-alih menyatukan enam terminal dan satu utas chat. Perubahan dan progres terus mengalir kembali ke Task.

Kontrak manusia dan agen

Sederhanakan Sharkly menjadi satu gagasan, dan inilah intinya. Agent meneliti, mengeksekusi, menguji, dan melaporkan. Manusia menentukan arah, memberikan wewenang, dan menerima hasilnya. Otomatisasi berhenti di titik yang membutuhkan pertimbangan tim, lalu mengembalikan hasil kerja dengan konteks lengkap dan bukti yang bisa diperiksa.

Kalimat itu adalah keseluruhan model keamanannya. Itu juga jawaban jujur atas kekhawatiran bahwa platform agen menyerahkan basis kode Anda kepada mesin lalu mundur. Platform seperti itu tidak begitu, atau seharusnya tidak. Versi yang berharga menempatkan manusia di dua ujung yang membutuhkan pertimbangan—arah di awal dan penerimaan di akhir—dan membiarkan Agent menguasai bagian mekanis di tengahnya. Sharkly dibangun mengikuti bentuk itu, bukan mengikuti fantasi otonomi penuh.

Dari mana keunggulan tim berasal

Ada klaim yang mengalir diam-diam di bawah seluruh produk ini, dan layak dinyatakan secara terang-terangan: daya ungkit tim tidak berasal dari membuka lebih banyak chat AI. Daya ungkit itu berasal dari berbagi peran, aturan, konteks, dan alur kerja.

Kecermatan seorang developer dalam menyusun prompt, yang diabadikan sebagai profil Agent plus Skills yang bisa digunakan ulang, menjadi sesuatu yang bisa ditugaskan oleh seluruh tim. Ubah satu setup yang bagus menjadi kapabilitas pengembangan yang dipakai ulang oleh tim. Itulah bedanya antara sepuluh orang yang masing-masing menemukan ulang cara membuat agen berperilaku sesuai keinginan dan satu konfigurasi bersama yang dipakai semua orang untuk mengalirkan pekerjaan. Agent tidak sekadar menjawab pertanyaan. Mereka menyempurnakan pekerjaan dari kondisi saat ini, mendorongnya maju, dan mengembalikan setiap hasilnya ke tim.

Anda tidak perlu membangun ulang proses Anda

Mengadopsi Sharkly bukanlah proyek migrasi. Tetap gunakan alat yang sudah dipakai tim Anda sambil membuat setiap eksekusi dapat ditugaskan dan dilacak. Hubungkan sebuah komputer, konfigurasikan Agent, dan mulai mengalirkan pekerjaan tanpa membangun ulang proses yang sudah dipahami tim Anda.

Jika Anda bekerja sehari-hari di Jira, pertahankan proyek, tugas, status, dan alur kerja yang sudah dibaca tim Anda. Hubungkan Sharkly agar sistem yang ada tetap di tempatnya sementara eksekusi Agent memajukan pekerjaan di dalamnya. Tujuannya adalah menambahkan eksekusi yang terlihat dan bisa ditinjau ke setup Anda saat ini, bukan menggantinya dengan sistem baru yang harus dipelajari ulang semua orang.

Bagaimana Sharkly dibandingkan dengan sistem rakitan sendiri

Banyak tim mengorkestrasi agen dengan skrip mereka sendiri: sekumpulan shell wrapper, beberapa panel tmux, konvensi penamaan branch. Cara itu berhasil, dan untuk developer tunggal dengan volume rendah bisa jadi pilihan yang tepat. Momen ketika cara itu berhenti berhasil bisa diprediksi.

Penilaian jujurnya: jika Anda menjalankan satu atau dua agen sendirian dan tidak pernah menyerahkan pekerjaan ke orang lain, sistem rakitan sendiri lebih sedikit pemeliharaannya. Jika Anda menjalankan beberapa agen, atau ada orang lain yang perlu melihat pekerjaannya, koordinasi yang harus Anda bangun sendiri itulah produk yang sudah jadi di Sharkly. Perbandingan dengan lapisan orkestrasi lain layak dibahas tersendiri; kami mengulas trade-off-nya lebih dalam di panduan orkestrasi kami.

Untuk siapa Sharkly ditujukan

Produk ini menyasar tim produk dan engineering yang sudah memakai alat coding AI dan ingin mengalirkan pekerjaan, mengoordinasikan banyak eksekusi, serta meninjau progres dan hasil dalam satu alur kerja bersama. Beberapa contoh yang cocok:

• Developer backend yang menjalankan beberapa agen sekaligus dan membutuhkan worktree terisolasi agar eksekusi paralel tidak bertabrakan.
• Engineering manager yang perlu melihat pekerjaan agen di board yang sama dengan pekerjaan lainnya, lengkap dengan langkah review sebelum merge.
• Tech lead yang menginginkan standar tim untuk penggunaan agen, yang diabadikan sebagai Agent dan Skills bersama alih-alih pengetahuan yang hanya diwariskan dari mulut ke mulut.
• Developer tunggal yang sedang berkembang, yang menginginkan throughput lebih tinggi tanpa kekacauan enam terminal tanpa label.

Jika belum ada yang terdengar seperti Anda, itu juga jawaban yang sah. Sharkly layak digunakan ketika koordinasi menjadi penghambatnya. Di bawah titik itu, satu agen dan satu terminal sudah cukup.

Memulai

Alur kerja Sharkly paling kecil yang berguna sengaja dibuat sederhana: hubungkan satu komputer, buat satu Agent, dan tugaskan satu Task berisiko rendah. Biarkan Agent memulai dari satu kebutuhan nyata, bukan menulis ulang seluruh backlog Anda. Amati satu Task melewati keempat tahap, terima sendiri hasilnya, dan Anda akan memahami lapisan ini lebih baik daripada yang bisa disampaikan panduan mana pun.

Setelah itu, tambahkan Agent kedua untuk menjalankan sesuatu secara paralel, lalu bawa seorang rekan tim ke board. Setiap langkah memindahkan koordinasi yang tadinya Anda kerjakan sendiri secara manual ke dalam sistem.

Untuk memulai: Unduh Sharkly, hubungkan sebuah komputer, dan alirkan Task pertama Anda. Dokumentasi membahas setiap konsep lebih mendalam di docs.sharkly.ai.

Pertanyaan yang sering diajukan

Apa itu Sharkly dalam satu kalimat? Sharkly adalah platform komando dan manajemen Agent yang serba bisa dalam satu tempat, yang mengubah agen coding AI menjadi anggota tim yang dapat ditugaskan dan dilacak, sehingga Anda bisa menugaskan Task, menjalankan beberapa Agent secara paralel, dan menjaga konteks, progres, hasil, serta review manusia tetap terlihat dari permintaan hingga rilis.

Apakah Sharkly menggantikan Claude Code atau Codex? Tidak. Sharkly bukan pengganti Claude Code, Codex, atau alat eksekusi lainnya. Alat-alat itulah yang melakukan eksekusi; Sharkly menambahkan lapisan tugas bersama, komputer, konteks, kontrol, dan review di sekelilingnya.

Apakah saya perlu membayar model melalui Sharkly? Tidak. Penggunaan model tetap berjalan melalui langganan atau API key yang dikonfigurasi di alat coding yang Anda hubungkan. Kuota model Anda bergantung pada paket dan akun API yang sudah dimiliki tim Anda.

Di mana kode agen sebenarnya dijalankan? Di komputer yang Anda hubungkan, secara lokal melalui Sharkly Desktop atau jarak jauh melalui Sharkly CLI. Setiap eksekusi mendapat git worktree yang terisolasi, sehingga Agent paralel tidak bertabrakan dan perubahan tetap terkurung sampai Anda menerimanya.

Kapan saya sebaiknya memakai Crew alih-alih satu Agent? Untuk pekerjaan kecil yang sudah jelas cakupannya, tugaskan Task kepada satu Agent. Gunakan Crew ketika Agent pemimpin perlu menafsirkan tujuan yang luas, melibatkan anggota Agent lain, dan mengembalikan hasil mereka ke dalam satu Task. Mulailah dari yang sederhana; lihat panduan task pertama untuk jalur satu Agent.

Apakah ini otonomi penuh? Apakah agen melakukan merge sendiri? Tidak. Agent meneliti, mengeksekusi, menguji, dan melaporkan. Manusia menentukan arah, memberikan wewenang, dan menerima hasilnya. Keputusan penerimaan akhir dan rilis tetap di tangan manusia.

Bisakah saya tetap memakai Jira? Bisa. Pertahankan proyek, tugas, status, dan alur kerja yang sudah dipakai tim Anda, lalu hubungkan Sharkly agar eksekusi Agent memajukan pekerjaan di dalam sistem yang sudah Anda baca.