TL;DR: Para delegar sua primeira tarefa a um agente de IA, escolha algo pequeno que o agente consiga validar, defina o título com base no resultado esperado e a descrição com o escopo e o critério de conclusão ("done when"). Depois, entregue a demanda e revise o resultado em vez de conduzir o processo passo a passo. No Sharkly, isso significa conectar um Computer com Claude Code ou Codex autenticado, criar um Agent com uma única função, cadastrar uma Task e definir seu Assignee para esse Agent. Definir o Assignee inicia a execução. O resultado retorna para a Task e uma pessoa altera o status para Done.
Você já usa o Claude Code ou o Codex no terminal há semanas: você digita, ele edita, você corrige e ele edita de novo. Atribuir uma tarefa é uma abordagem diferente: você descreve o trabalho uma única vez, delega e retorna apenas para conferir o resultado. A primeira tentativa costuma falhar por motivos simples: a tarefa dizia apenas "corrija o bug de login", a ferramenta de programação no Computer não estava autenticada ou não havia nenhum teste que o agente pudesse rodar — então ele simplesmente supôs o que fazer e deu o trabalho por concluído.
Este guia ensina como atribuir sua primeira tarefa a um agente de IA para que ele realmente chegue até o fim: como escolher a tarefa, como redigi-la, o passo a passo exato no Sharkly e como revisar o resultado entregue. Se você ainda tem dúvidas se determinada demanda deve ser feita via chat ou como tarefa, leia primeiro: conversar com um agente de IA ou atribuir uma tarefa?.
Escolha uma primeira tarefa que o agente de IA consiga concluir
Atribuir uma tarefa a um agente de IA significa entregar a um agente de programação uma unidade de trabalho descrita por escrito para que ele a execute de forma autônoma e, depois, revisar o resultado — em vez de conduzi-lo prompt por prompt. Escolha uma primeira tarefa propositalmente simples. O objetivo neste momento é testar a configuração, não o limite de capacidade do agente.
Uma boa primeira tarefa é concisa o bastante para ter seu diff descrito em uma frase, oferece uma validação que o agente consiga rodar, fica restrita a um único módulo e não toca em nada que cause receio de reverter: sem migrations, arquivos de configuração de produção ou credenciais e segredos.
| Boa primeira tarefa | Primeira tarefa ruim |
|---|---|
Rejeitar strings vazias e malformadas em parseDate(), com testes |
Fazer uma limpeza na manipulação de datas |
Corrigir a falha em test_invoice_totals e explicar a causa |
Corrigir o CI |
Adicionar uma flag --json ao comando status, seguindo o padrão de list --json |
Melhorar a CLI |
| Atualizar o passo a passo de instalação no README para o novo arquivo de configuração | Reescrever a documentação |
Os exemplos da coluna da direita não são demandas erradas. São apenas tarefas sem delimitação clara, forçando o agente a inventar o escopo e deixando você sem saber se ele realmente atingiu o objetivo. O guia de boas práticas da Anthropic para o Claude Code destaca o fator mais importante: “Dê ao Claude uma forma de checagem que ele possa executar: testes, uma compilação (build) ou uma captura de tela para comparar.” Um agente sem uma forma de validação só pode dizer que terminou. Um agente com uma checagem pode provar.
Como redigir a tarefa para que o agente de IA consiga concluí-la
A documentação de Tasks do Sharkly estabelece a regra de ouro para títulos: “Um título útil indica o resultado, não o assunto.” A descrição, por sua vez, deve reunir tudo o que uma pessoa nova ou um Agent precisaria: por que o trabalho é necessário, o que está dentro e fora do escopo, arquivos e exemplos relevantes, decisões prévias já tomadas e como a conclusão será avaliada. O guia de prompting para o Codex da OpenAI segue praticamente a mesma estrutura: Objetivo (Goal), Contexto (Context), Restrições (Constraints) e Critério de conclusão (Done when).
Veja a seguir um exemplo de primeira tarefa redigida sob essa ótica, registrada como 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
A última linha é muito mais relevante do que parece. Ela converte um simples "terminei" em evidências concretas que você consegue auditar em dez segundos.
Dois hábitos ajudam a manter as tarefas organizadas conforme a demanda cresce: centralize o objetivo, o escopo estável e os critérios de aceitação sempre na descrição, em vez de espalhá-los por comentários; e mantenha comportamentos padronizados — como "pergunte quando a solicitação não for clara" — nas instruções gerais do Agent, de modo que cada Task contenha apenas aquilo que for específico para ela.
Atribua sua primeira tarefa a um agente de IA no Sharkly
Você já tem agentes de programação. O Sharkly organiza esses agentes em uma equipe. A primeira execução depende de quatro elementos: um workspace, um Computer, um Agent e uma Task. Estes passos seguem o guia de início rápido do Sharkly:
- Faça login e crie o workspace. Acesse app.sharkly.ai usando login por e-mail, Google ou GitHub, crie uma Organization e, em Initialize workspace, selecione Software development. O Sharkly criará automaticamente o Default Space com os tipos de tarefa Requirement e Bug.
- Conecte um Computer. Instale Claude Code, Codex, Gemini, OpenClaw, Hermes ou Pi Agent no computador que executará o trabalho e faça login na ferramenta. O aplicativo para desktop detecta os ambientes e registra a máquina. Na interface web, clique em Get started e depois em Connect Computer para receber o comando que deve ser executado no terminal local. A documentação ressalta que “Online significa apenas que a conexão está ativa”, portanto acesse o Computer e certifique-se de que o Runtime está Available. O artigo sobre Computers no Sharkly aborda as diferenças entre laptops e servidores.
- Crie um Agent com uma função específica. Abra Agents, selecione New Agent, escolha Code development, marque a opção “the Agent automatically pulls Git repositories” e adicione o repositório. Escolha o Computer e formule instruções curtas. Mantenha o diretório de trabalho definido como Create temporary directory para que cada Task utilize seu próprio worktree isolado e deixe a visibilidade como Personal enquanto valida o Agent. Não existe um seletor visual de modelo: se quiser usar um modelo específico, declare-o em Custom arguments.
- Faça um teste de execução somente leitura. Antes de delegar qualquer tarefa que modifique código, a documentação de Repositories sugere uma Task simples como: “Inspecione o repositório e informe a linguagem principal, o gerenciador de pacotes e o comando de teste mais próximo. Não altere arquivos.” Isso valida se o Agent consegue acessar o repositório, utilizar a autenticação Git e executar comandos.
- Crie a Task e faça a atribuição. Na página Tasks, selecione New Task e cole o título e a descrição. Toda nova Task nasce como Todo. Defina o Assignee para o seu Agent. Como explica o guia rápido: “Definir o Assignee inicia o Agent. Você não deve alterar o status manualmente primeiro.” A única exceção é o Backlog, que funciona como estado de espera: uma Task alocada lá não será executada até ser movida para outro status.
Acompanhe a execução do agente de IA e revise o resultado
Uma execução (run) possui estados próprios, separados do status da Task. A documentação sobre execução de tarefas por agentes os define assim:
| Estado da execução | Significado |
|---|---|
| Queued | Aceita e aguardando capacidade de despacho |
| Dispatched | Reivindicada e iniciando no Computer |
| Waiting for local directory | Nenhum diretório específico configurado está livre |
| Running | O Agent está trabalhando |
| Completed, Failed, Canceled | O resultado final da execução |
Na página da Task, a seção Activity mostra os comentários — inclusive a conclusão do Agent —, e a seção Executions exibe o histórico de execuções. Qualquer pendência que precise da sua atenção cairá na Inbox sob a categoria Primary: conversas que aguardam resposta ou revisão, execuções com falha ou bloqueadas e menções diretas.
Quando a execução for concluída, revise as mudanças feitas no worktree e decida se vai mantê-las, integrá-las via merge ou descartá-las. Se algo estiver incorreto, mencione o Agent (@mention) em um comentário indicando o ajuste: “The empty-string case still returns null. Throw InvalidInputError.” Um comentário comum não aciona o Agent; a menção, sim. Quando o resultado estiver aprovado, uma pessoa altera o status da Task para Done. Agentes pesquisam, executam, testam e reportam; pessoas definem a direção, autorizam acessos e aceitam o resultado. Para saber o que observar no diff, leia nosso artigo sobre como revisar código gerado por IA com evidências no nível da tarefa.
Um único agente de IA, uma Crew ou apenas o terminal?
Se você já está com a mão no teclado e precisa de apenas uma alteração rápida agora, abrir uma sessão do Claude Code ou do Codex no terminal é mais rápido do que qualquer fluxo de atribuição, dispensando o uso do Sharkly. Delegar tarefas traz retorno quando você precisa se afastar para focar em outra coisa, quando outra pessoa for revisar o resultado ou quando o histórico de trabalho precisa ficar registrado para a equipe.
No Sharkly, a documentação de Crews traz a regra: “Para trabalhos pequenos e bem delimitados, atribua a Task diretamente a um único Agent. Use uma Crew quando o líder precisar interpretar o objetivo, coordenar outros membros Agent e consolidar os resultados.” Sua primeira tarefa deve ser direcionada a um único Agent. O artigo sobre as Crews no Sharkly aprofunda o segundo caso.
Assim que um Agent assumir com consistência determinado tipo de Task, o guia rápido sugere desmembrá-lo em um Agent mais especializado ou registrar procedimentos recorrentes como uma Skill. O passo seguinte costuma ser rodar várias Tasks em paralelo; nosso guia sobre como rodar múltiplos agentes Claude Code em paralelo detalha o isolamento e a ordem de integração. A página de recursos de Agents apresenta a visão completa dessa arquitetura.
Se você quer delegar trabalho aos agentes de programação que já contrata e centralizar todas as entregas em um só lugar, é exatamente essa a proposta para a qual o Sharkly foi desenvolvido.
Perguntas frequentes
Atribuir uma tarefa aciona o agente de IA imediatamente? Geralmente, sim. Definir o Assignee inicia a execução, a menos que a Task esteja em Backlog, Completed, Canceled ou Duplicate. A execução ainda pode permanecer em Queued aguardando disponibilidade do Computer, limite de concorrência ou um diretório livre.
O que acontece se o meu Computer ficar offline? Novas execuções aguardam até que ele se reconecte, e uma tarefa pode ficar na fila caso o Computer caia antes do despacho. Ative o recurso Prevent sleep em laptops que precisam continuar processando tarefas.
O consumo do modelo é cobrado pelo Sharkly? Não. As execuções são debitadas do seu plano existente do Claude Code, Codex ou de API já associado ao Computer, e o Sharkly não comercializa tokens. O Sharkly em si é gratuito atualmente para organizações de até 5 pessoas; consulte os detalhes em preços do Sharkly explicados.
O que o agente consegue acessar no meu computador? Tudo o que o Computer disponibilizar: “o sistema operacional, arquivos, credenciais, acesso à rede e ferramentas necessárias para o Agent.” Mantenha o Agent e o Computer configurados como Personal enquanto utilizarem suas credenciais próprias, nunca insira tokens no texto de uma Task e consulte nosso artigo sobre o que um agente deve e não deve ter permissão para fazer.
