Tóm tắt nhanh: Để giao nhiệm vụ đầu tiên cho một AI agent, hãy chọn một việc nhỏ mà agent có thể tự kiểm tra, viết tiêu đề theo kết quả mong đợi và mô tả gồm phạm vi kèm tiêu chí “hoàn thành khi nào”, sau đó bàn giao và đánh giá kết quả thay vì liên tục cầm tay chỉ việc. Trong Sharkly, quy trình này bao gồm kết nối một Computer đã đăng nhập Claude Code hoặc Codex, tạo một Agent với một nhiệm vụ duy nhất, tạo một Task và gán Assignee cho Agent đó. Việc thiết lập Assignee sẽ kích hoạt lượt chạy. Kết quả sẽ được trả về Task, và bạn chỉ cần chuyển trạng thái sang Done.
Bạn đã dùng Claude Code hoặc Codex trong terminal suốt nhiều tuần. Bạn gõ lệnh, công cụ chỉnh sửa mã nguồn, bạn sửa lại và nó lại tiếp tục chỉnh. Nhưng giao việc (task) lại là một cách tiếp cận hoàn toàn khác: bạn chỉ cần mô tả công việc một lần, bàn giao và quay lại xem kết quả. Những lần thử đầu tiên thường thất bại vì những lý do rất ngớ ngẩn: task chỉ ghi vỏn vẹn “sửa lỗi đăng nhập”; công cụ lập trình trên Computer chưa được đăng nhập; hoặc không có bất kỳ bài test nào để agent chạy thử, khiến nó đành đoán mò rồi tự báo hoàn thành.
Bài hướng dẫn này sẽ chỉ cho bạn cách giao nhiệm vụ đầu tiên cho một AI agent sao cho công việc thực sự hoàn tất: từ cách chọn task, cách viết mô tả, các bước thao tác chi tiết trong Sharkly, cho đến cách đánh giá kết quả trả về. Nếu bạn vẫn đang băn khoăn khi nào nên chat và khi nào nên tạo task, hãy đọc bài chat với AI agent hay giao task? trước.
Chọn nhiệm vụ đầu tiên vừa sức để AI agent có thể hoàn thành
Giao nhiệm vụ cho AI agent nghĩa là bàn giao cho một coding agent một khối lượng công việc được mô tả rõ ràng để nó tự chạy độc lập, sau đó bạn kiểm tra kết quả, thay vì phải liên tục điều hướng qua từng câu lệnh (prompt). Hãy chủ đích chọn một nhiệm vụ đầu tiên thật đơn giản và nhàm chán. Mục tiêu lúc này là kiểm tra quy trình thiết lập, chứ không phải thử thách giới hạn năng lực của agent.
Một nhiệm vụ đầu tiên phù hợp là việc đủ nhỏ để có thể mô tả phần thay đổi mã nguồn (diff) trong một câu, có sẵn bài kiểm tra mà agent có thể tự chạy, chỉ gói gọn trong một module duy nhất và không đụng tới bất cứ phần nào khiến bạn phải e dè nếu cần rollback: không migration, không can thiệp cấu hình production hay thông tin bí mật (secrets).
| Nhiệm vụ đầu tiên phù hợp | Nhiệm vụ đầu tiên không nên chọn |
|---|---|
Từ chối các chuỗi rỗng và không đúng định dạng trong parseDate(), đi kèm unit test |
Dọn dẹp phần xử lý ngày tháng |
Sửa lỗi khiến test_invoice_totals thất bại và giải thích nguyên nhân |
Sửa lỗi CI |
Thêm cờ --json vào lệnh status, tương tự như list --json |
Cải thiện CLI |
| Cập nhật các bước cài đặt trong README cho file cấu hình mới | Viết lại tài liệu |
Những đầu việc ở cột bên phải không hề sai. Chúng chỉ là những công việc không có ranh giới rõ ràng, khiến agent phải tự mò mẫm phạm vi và bạn cũng chỉ biết đoán xem liệu nó đã làm đúng ý hay chưa. Tài liệu hướng dẫn làm việc với Claude Code của Anthropic đã chỉ ra yếu tố quan trọng nhất: “Hãy cung cấp cho Claude một bài kiểm tra mà nó có thể tự chạy: các bài test, lệnh build, hoặc ảnh chụp màn hình để đối chiếu.” Một agent không có bài kiểm tra chỉ có thể nói với bạn rằng nó đã làm xong. Còn một agent có bài kiểm tra có thể chứng minh cho bạn thấy điều đó.
Cách viết task để AI agent có thể hoàn thành trọn vẹn
Tài liệu về Tasks của Sharkly đưa ra nguyên tắc đặt tiêu đề: “Một tiêu đề hữu ích cần nêu rõ kết quả đầu ra thay vì chỉ nêu chủ đề chung chung.” Phần mô tả sau đó sẽ cung cấp toàn bộ thông tin mà một nhân sự mới hay Agent cần có: lý do công việc này quan trọng, phạm vi bao gồm và loại trừ những gì, các file và ví dụ liên quan, các quyết định kỹ thuật đã thống nhất từ trước, cùng tiêu chí nghiệm thu. Tài liệu hướng dẫn prompt cho Codex của OpenAI cũng sử dụng cấu trúc tương tự: Goal (Mục tiêu), Context (Bối cảnh), Constraints (Ràng buộc), Done when (Tiêu chí hoàn thành).
Dưới đây là một task mẫu được viết theo cấu trúc đó, mã 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
Dòng cuối cùng quan trọng hơn nhiều so với vẻ ngoài của nó. Nó biến câu nói suông “tôi đã làm xong” thành bằng chứng rõ ràng mà bạn có thể xác minh chỉ trong mười giây.
Hai thói quen sau sẽ giúp các task luôn rõ ràng, mạch lạc khi số lượng công việc tăng lên: Hãy giữ mục tiêu cốt lõi, phạm vi và tiêu chí nghiệm thu cố định trong phần mô tả thay vì để chúng nằm rải rác ở các bình luận; đồng thời đưa các quy tắc ứng xử mặc định, chẳng hạn như “hỏi lại khi yêu cầu chưa rõ ràng”, vào phần hướng dẫn của Agent (Agent instructions), nhờ đó mỗi Task chỉ cần tập trung vào những yêu cầu đặc thù của riêng nó.
Giao nhiệm vụ đầu tiên cho AI agent trong Sharkly
Bạn đã có sẵn các coding agent. Sharkly sẽ gắn kết chúng lại thành một đội ngũ. Lượt chạy đầu tiên cần bốn yếu tố: một workspace, một Computer, một Agent và một Task. Các bước thực hiện tuân theo hướng dẫn bắt đầu nhanh của Sharkly:
- Đăng nhập và tạo workspace. Đăng nhập tại app.sharkly.ai bằng mã qua email, Google hoặc GitHub, tạo một Organization, và tại mục Initialize workspace, chọn Software development. Sharkly sẽ tạo Default Space với hai loại task là Requirement và Bug.
- Kết nối Computer. Cài đặt Claude Code, Codex, Gemini, OpenClaw, Hermes hoặc Pi Agent trên máy tính sẽ thực hiện công việc và đăng nhập vào công cụ đó. Ứng dụng desktop sẽ tự động nhận diện công cụ và đăng ký máy tính này. Trên giao diện web, chọn Get started, sau đó chọn Connect Computer để lấy lệnh chạy trên máy. Tài liệu hướng dẫn lưu ý rằng “Trạng thái Online chỉ có nghĩa là kết nối đã được thiết lập,” vì vậy hãy mở Computer và kiểm tra xem Runtime đã ở trạng thái Available hay chưa. Bài viết Computers trong Sharkly sẽ phân tích chi tiết việc sử dụng laptop so với máy chủ.
- Tạo một Agent chuyên trách một việc. Mở mục Agents, chọn New Agent, chọn Code development, sau đó chọn “the Agent automatically pulls Git repositories” và thêm repository tương ứng. Chọn Computer và giữ phần instructions ngắn gọn. Để nguyên thiết lập thư mục làm việc ở Create temporary directory để mỗi Task có một worktree riêng, đồng thời giữ quyền hiển thị ở mức Personal cho đến khi Agent hoạt động hiệu quả. Hệ thống không có menu chọn model: nếu muốn dùng một model cụ thể, hãy khai báo trong Custom arguments.
- Chạy bài kiểm tra chỉ đọc (read-only). Trước khi để agent can thiệp vào mã nguồn, tài liệu về Repositories khuyên bạn nên giao một Task dạng như: “Kiểm tra repository và báo cáo ngôn ngữ chính, trình quản lý gói (package manager), cùng lệnh test gần nhất. Không chỉnh sửa bất kỳ file nào.” Bài kiểm tra này giúp xác nhận Agent có thể truy cập repository, sử dụng quyền Git và thực thi các câu lệnh.
- Tạo Task và gán việc. Trên trang Tasks, chọn New Task rồi dán tiêu đề cùng phần mô tả vào. Một Task mới sẽ bắt đầu ở trạng thái Todo. Gán Assignee cho Agent. Đúng như tài liệu bắt đầu nhanh đã nêu: “Việc gán Assignee sẽ khởi động Agent. Bạn không cần đổi trạng thái trước.” Ngoại lệ duy nhất là Backlog, vốn là trạng thái tạm hoãn: một Task nằm trong Backlog sẽ không chạy cho đến khi bạn chuyển nó ra ngoài.
Theo dõi lượt chạy của AI agent và đánh giá kết quả
Mỗi lượt chạy (run) có các trạng thái riêng, tách biệt với trạng thái của Task. Trang Agent task execution định nghĩa chúng như sau:
| Trạng thái lượt chạy | Ý nghĩa |
|---|---|
| Queued | Đã tiếp nhận và đang chờ tài nguyên điều phối (dispatch capacity) |
| Dispatched | Đã nhận việc và đang khởi động trên Computer |
| Waiting for local directory | Không có thư mục được chỉ định nào đang trống |
| Running | Agent đang xử lý công việc |
| Completed, Failed, Canceled | Kết quả của lượt chạy |
Trong Task, mục Activity hiển thị các bình luận, bao gồm cả kết luận của Agent, và mục Executions hiển thị lịch sử các lượt chạy. Bất kỳ nội dung nào cần bạn can thiệp sẽ xuất hiện trong Inbox tại tab Primary: từ các cuộc trò chuyện đang đợi bạn phản hồi hoặc duyệt, các công việc thất bại hay bị tắc nghẽn, cho đến các lượt @nhắc trực tiếp.
Khi lượt chạy kết thúc, hãy xem lại các thay đổi trong worktree, sau đó quyết định giữ lại, merge (hợp nhất) hoặc loại bỏ chúng. Nếu có điểm chưa đúng, hãy @nhắc tên Agent trong bình luận kèm yêu cầu sửa lỗi cụ thể: “Trường hợp chuỗi rỗng vẫn đang trả về null. Hãy throw InvalidInputError.” Một bình luận thông thường sẽ không kích hoạt Agent; chỉ khi được nhắc tên thì nó mới chạy lại. Khi kết quả đã chuẩn xác, con người sẽ chuyển Task sang trạng thái Done. Agent đảm nhiệm việc tìm hiểu, thực thi, kiểm thử và báo cáo. Con người định hướng, phân quyền và nghiệm thu kết quả. Để biết những điểm cần chú ý khi soi diff, hãy tham khảo bài viết đánh giá mã nguồn do AI tạo ra bằng bằng chứng ở cấp độ task.
Một AI agent đơn lẻ, một Crew, hay chỉ cần terminal của bạn?
Nếu bạn đang ngồi trước bàn phím và chỉ muốn sửa nhanh một chỗ ngay lập tức, việc mở một phiên Claude Code hoặc Codex trong terminal sẽ nhanh hơn bất kỳ quy trình giao việc nào, và bạn chẳng cần tới Sharkly để làm điều đó. Việc giao task chỉ thực sự phát huy giá trị khi bạn muốn rảnh tay làm việc khác, khi người khác sẽ là người review kết quả, hoặc khi công việc cần được lưu lại trong lịch sử để toàn đội ngũ cùng theo dõi.
Trong Sharkly, tài liệu về Crews đưa ra nguyên tắc: “Đối với những việc nhỏ, phạm vi rõ ràng, hãy giao Task trực tiếp cho một Agent. Hãy dùng Crew khi cần một agent trưởng phân tích mục tiêu, phối hợp với các Agent thành viên khác và tổng hợp kết quả của họ.” Nhiệm vụ đầu tiên của bạn nên được giao cho một Agent đơn lẻ. Bài viết Sharkly Crews sẽ hướng dẫn chi tiết về trường hợp thứ hai.
Khi một Agent đã xử lý ổn định một loại Task nhất định, hướng dẫn bắt đầu nhanh đề xuất bạn nên tách ra một Agent chuyên biệt hơn hoặc lưu quy trình lặp lại đó thành một Skill. Sau đó, bước tiếp theo thường là chạy nhiều Task cùng lúc; cẩm nang của chúng tôi về chạy song song nhiều agent Claude Code sẽ giải thích chi tiết về việc cô lập môi trường và thứ tự merge. Trang tính năng Agents sẽ minh họa quy trình thiết lập toàn diện từ đầu đến cuối.
Nếu bạn muốn giao việc cho các coding agent mà mình đã trả phí và nhận toàn bộ kết quả về một nơi duy nhất, đó chính là bài toán mà Sharkly được sinh ra để giải quyết.
Câu hỏi thường gặp
Việc giao task có khởi động AI agent ngay lập tức không? Thường là có. Thiết lập Assignee sẽ kích hoạt lượt chạy, trừ khi Task đang ở trạng thái Backlog, Completed, Canceled hoặc Duplicate. Lượt chạy vẫn có thể phải chờ ở trạng thái Queued nếu Computer bận, vượt giới hạn xử lý đồng thời (concurrency) hoặc chưa có thư mục trống.
Điều gì xảy ra nếu Computer bị mất kết nối (offline)? Các lượt chạy mới thường sẽ đợi cho đến khi máy kết nối lại, và một lượt chạy có thể tiếp tục nằm trong hàng đợi nếu Computer ngắt kết nối trước khi kịp điều phối. Hãy bật tính năng Prevent sleep (Chống ngủ) nếu bạn dùng laptop và muốn máy tiếp tục nhận việc.
Tôi có phải trả phí mô hình AI thông qua Sharkly không? Không. Chi phí của các lượt chạy sẽ được tính trực tiếp vào gói Claude Code, Codex hoặc gói API bạn đã đăng ký trên Computer; Sharkly không bán token. Bản thân Sharkly hiện miễn phí cho các tổ chức tối đa 5 người; xem thêm tại bài giải thích chi tiết về bảng giá Sharkly.
Agent có thể truy cập những gì trên máy tính của tôi? Bất cứ thứ gì mà Computer cung cấp: “hệ điều hành, tệp tin, thông tin xác thực (credentials), quyền truy cập mạng và các công cụ cần thiết cho Agent.” Hãy giữ quyền hiển thị của Agent và Computer ở chế độ Personal khi chúng sử dụng thông tin xác thực cá nhân của bạn, tuyệt đối không dán token vào Task, và hãy tham khảo bài viết những quyền nên và không nên cấp cho một agent.
