Bắt đầu với Sharkly trong 10 phút

Bắt đầu với Sharkly chỉ mất khoảng mười phút: kết nối một Computer, tạo một Agent và giao một Task nhỏ. Sharkly là hệ thống quản lý công việc dành cho cả con người lẫn Agent. Nó biến các công cụ lập trình AI như Claude Code và Codex thành những đồng đội có thể giao việc trong một hệ thống task chung, để công việc thực thi không còn biến mất trong những terminal riêng lẻ. Dưới đây là toàn bộ lượt chạy đầu tiên:

1. Đăng nhập và tạo (hoặc tham gia) một Organization có một Space đang hoạt động.
2. Kết nối một Computer thông qua Sharkly Desktop hoặc Sharkly CLI.
3. Xác nhận có ít nhất một Runtime, chẳng hạn Claude Code, hiển thị là khả dụng.
4. Tạo một Agent với vai trò hẹp và hướng dẫn rõ ràng.
5. Viết một Task nhỏ, phạm vi rõ ràng rồi giao cho Agent.
6. Xem lại kết quả trên Task và trả lời bằng một comment tiếp theo.

Phần còn lại của hướng dẫn này sẽ lần lượt đi qua từng bước, giải thích bốn khái niệm đằng sau chúng và chỉ ra những gì cần kiểm tra khi lượt chạy đầu tiên kết thúc. Đến cuối bài, bạn sẽ có một vòng lặp đang hoạt động và có thể mở rộng thành các lượt chạy song song, Skill dùng chung và Sprint.

Vì sao mười phút đầu tiên với Sharkly lại quan trọng

Hầu hết các team đều đã dùng AI coding agent. Vấn đề nằm ở chỗ công việc đó diễn ra: trong terminal của một người, và những người khác không hề thấy. Ai đó dán một ticket Jira vào cửa sổ chat, chạy agent, rồi dán diff trả lại, còn lý do đằng sau thay đổi đó thì chẳng được lưu ở đâu. Nhân lên với năm lập trình viên và ba công cụ agent khác nhau, bạn có kết quả nhưng không có hồ sơ.

Sharkly tiếp cận vấn đề từ phía team. Đây không phải một coding agent khác. Cách định vị chính thức nói thẳng về ranh giới này: Sharkly không thay thế Claude Code, Codex hay các công cụ thực thi khác. Nó bổ sung lớp task, ngữ cảnh, kiểm soát và review dùng chung quanh những công cụ mà team bạn đã dùng. Các công cụ đó thực thi; Sharkly quản lý việc giao việc, các Computer đã kết nối, ngữ cảnh task, tiến độ, điểm tắc, kết quả và bước review của con người xuyên suốt các công cụ đó.

Đó là lý do mười phút đầu tiên được thiết kế theo cách này. Bạn không cài đặt một AI mới. Bạn đang kết nối AI mà bạn đã có vào một hệ thống lưu trữ chung, để mọi lượt chạy đều giữ ngữ cảnh, tiến độ, điểm tắc, kết quả và bước review của con người luôn hiển thị từ lúc yêu cầu đến lúc phát hành. Nếu muốn nắm định vị tổng thể trước, hãy đọc What Is Sharkly? rồi quay lại; hướng dẫn này vẫn thiên về thực hành.

Bốn khái niệm đằng sau mọi thiết lập Sharkly

Bốn danh từ chở cả mô hình. Nắm rõ chúng thì về sau không có gì khiến bạn bối rối.

Task là đơn vị công việc chính trong Sharkly. Nó ghi lại mục tiêu và mô tả, trạng thái, độ ưu tiên, nhãn, người chịu trách nhiệm, Agent hoặc Crew được giao thực thi, comment, tệp đính kèm, cùng toàn bộ trạng thái và vết thực thi.

Agent là một cấu hình làm việc được lưu lại chứ không phải một prompt dùng một lần. Thiết lập kỹ lưỡng của một người (instructions, repository đã liên kết, môi trường, thời gian chờ) sẽ trở nên tái sử dụng được trong toàn bộ Space khi Agent được chia sẻ.

Computer cung cấp máy chủ thực thi. Một dịch vụ cục bộ nhỏ sẽ kết nối nó với Sharkly, phát hiện các công cụ agent đã cài, nhận công việc, chuẩn bị thư mục task, khởi động Runtime được chọn và truyền tiến độ trở lại. Dịch vụ cục bộ này chủ động mở kết nối ra ngoài, nên thiết lập thông thường không cần cổng vào.

Thiết kế ở đây chính là sự tách bạch trách nhiệm: Agent định nghĩa cách xử lý công việc, Computer cung cấp máy chủ và tài nguyên cục bộ, Runtime thực hiện phiên chạy, còn Task vẫn là bản ghi dùng chung cho cả team. Code và thông tin xác thực của bạn vẫn nằm trên những máy bạn kiểm soát.

Những gì bạn cần chuẩn bị trước khi bắt đầu

Danh sách điều kiện tiên quyết khá ngắn:

• một tài khoản Sharkly và một Organization;
• ít nhất một Space đang hoạt động;
• một máy tính có thể chạy Sharkly Desktop hoặc dịch vụ cục bộ;
• một Runtime được hỗ trợ đã cài đặt và xác thực trên máy đó, chẳng hạn Claude Code, Codex hoặc Gemini CLI;
• quyền truy cập Git trên máy đó nếu Task đầu tiên của bạn đụng đến một repository riêng tư.

Hai lưu ý về phía model. Thứ nhất, bạn tự mang subscription của mình: việc dùng model vẫn diễn ra qua subscription hoặc API key được cấu hình trong các công cụ đó, và hạn mức của bạn phụ thuộc vào các gói và tài khoản mà team bạn kết nối. Thứ hai, Agent tuân theo model mặc định của Runtime. Nó không có trình chọn model; bạn đổi model trong cấu hình của chính Runtime, không phải trên Agent.

Bạn có thể tổ chức Task mà chưa cần kết nối Computer. Tuy nhiên, Agent không thể thực thi công việc cho đến khi có một Runtime phù hợp trực tuyến, nên việc kết nối được đặt ở bước một là có lý do.

Nếu Organization của bạn chưa có Space đang hoạt động, Sharkly sẽ hướng dẫn bạn tạo một cái. Hãy chọn một nhóm công việc để có sẵn các loại task hợp lý: phát triển phần mềm bắt đầu với Requirement, Bug, Task và User Story. Space đầu tiên mặc định là công khai với toàn Organization, và bạn có thể siết quyền truy cập sau.

Bước 1: Kết nối một Computer

Mở Settings, rồi Computers, và chọn Connect Computer. Hai hướng đi bao quát gần như mọi trường hợp:

• Sharkly Desktop cho máy tính cá nhân được hỗ trợ. Cài đặt, đăng nhập, và nó sẽ đăng ký máy rồi tự khởi động dịch vụ cục bộ cho bạn.
• Sharkly CLI kèm dịch vụ cục bộ cho host từ xa hoặc máy Linux. Tạo một install token dùng một lần trong hộp thoại kết nối, rồi chạy lệnh được sinh ra trên máy đích:

sharkly computer register --install-token sit_9f2ka7x1mrq8

Install token có thời hạn ngắn và chỉ dùng một lần. Đừng đưa nó vào image tái sử dụng, script, Task hay comment. Nó cũng chỉ có một nhiệm vụ hẹp: install token dùng để đăng ký một Computer, và nó không tạo đăng nhập CLI cho con người. Personal access token (bắt đầu bằng shk_) mới đảm nhận việc đó.

Chờ đến khi Computer hiển thị là đã kết nối, rồi mở trang chi tiết của nó. Mỗi Runtime được phát hiện sẽ báo một trạng thái năng lực: Available, Needs configuration, Not installed hoặc Unsupported. Phân biệt được điều này sẽ giúp bạn tránh nhầm lẫn phổ biến nhất lúc ban đầu. Computer trực tuyến chỉ có nghĩa là dịch vụ cục bộ của nó đang gửi tín hiệu nhịp tim. Điều đó không có nghĩa Runtime bạn chọn có thể thực thi Task. Nếu sau này một lượt chạy không khởi động, hãy kiểm tra trạng thái năng lực của Runtime trước khi bắt tay gỡ lỗi kết nối.

Bạn cũng có thể kiểm tra từ terminal:

sharkly computer list
sharkly computer show cmp_4c81d2
sharkly computer ping cmp_4c81d2 rt_claude_code

Tài liệu Computers documentation đi sâu vào chẩn đoán, Runtime tùy chỉnh, khả năng hiển thị và các thiết lập dọn dẹp.

Bước 2: Tạo Agent đầu tiên

Mở Agents và chọn New Agent. Đừng vội xây một trợ lý làm được mọi thứ. Hãy bắt đầu với một vai trò hẹp, vì phần mô tả tập trung cho con người biết nên giao việc gì, còn instructions cho Agent biết phải làm việc thế nào.

Một cấu hình đầu tiên tốt sẽ trông như thế này:

• Tên: Code Reader
• Mô tả: Đọc một repository, giải thích cách triển khai hiện tại và báo cáo rủi ro mà không thay đổi tệp nào.
• Khả năng hiển thị: Personal, hoặc Space nơi Agent sẽ được dùng
• Computer và Runtime: kết nối bạn đã kiểm tra ở bước 1

Với phần instructions, ví dụ trong Quickstart đáng để sao chép gần như nguyên văn:

Đọc toàn bộ Task và các comment liên quan trước khi hành động. Giữ phạm vi đúng theo yêu cầu. Với Task đầu tiên, không chỉnh sửa tệp. Báo cáo những gì bạn đã kiểm tra, bằng chứng cho mỗi kết luận và bất kỳ điều gì còn chưa chắc chắn.

Hãy để ý những gì instructions bao quát: phạm vi, cách kiểm tra trước khi hành động và định dạng báo cáo. Đó là mức độ phù hợp. Hãy đặt những hành vi ổn định vào instructions của Agent, đặt yêu cầu riêng của từng Task vào phần mô tả Task, và đặt những quy trình tái sử dụng mà nhiều Agent cùng dùng vào một Skill. Giữ ba lớp này tách biệt chính là điều khiến một Agent có thể tái sử dụng thay vì dễ vỡ.

Bước 3: Thêm repository hoặc thư mục làm việc

Nếu Agent của bạn sẽ đọc code, nó cần code để đọc. Có hai lựa chọn:

• Liên kết một Git repository với Agent (hoặc dựa vào các repository đã cấu hình cho Space của Task). Các lượt chạy dựa trên repository có thể chuẩn bị một git worktree mới cho mỗi Task, và đây chính là điều giúp việc thực thi song song an toàn trở nên khả thi về sau.
• Cấu hình một thư mục cục bộ chỉ định trên một Computer cục bộ. Các lượt chạy sẽ tái sử dụng code, dependency, cache và công cụ đã có sẵn ở đó thay vì chuẩn bị một bản sao mới.

Quy tắc quyết định: dùng thư mục tạm dựa trên worktree cho hầu hết công việc với repository và mỗi khi nhiều Task có thể cùng sửa một codebase song song. Dùng thư mục chỉ định khi một lượt chạy cần môi trường tốn kém để dựng lại, và hãy nhớ rằng thư mục chỉ định chỉ phục vụ một lượt chạy tại một thời điểm. Chúng tôi đã có bài giải thích đầy đủ về cách worktree giúp các agent chạy song song không giẫm chân lên nhau nếu bạn muốn tìm hiểu cơ chế.

Bước 4: Viết một Task mà Agent có thể thực thi

Tạo một Task trong cùng Space đó. Ví dụ mẫu trong Quickstart cố tình nhàm chán, và đó chính là dụng ý:

Tiêu đề: Review luồng xử lý lỗi xác thực

Mô tả: Đọc phần triển khai xác thực hiện tại và xác định ba trường hợp lỗi mà người dùng có thể thấy. Không thay đổi tệp. Với mỗi trường hợp, nêu rõ tệp hoặc thành phần liên quan và giải thích hành vi mong đợi. Kết thúc bằng bất kỳ câu hỏi nào cần được trả lời trước khi triển khai.

Task này có ba đặc tính mà mọi Task đầu tiên tốt đều cần. Nó có ranh giới rõ ràng (đọc, không sửa). Nó tạo ra kết quả có thể review (ba trường hợp kèm bằng chứng). Và nó ít rủi ro, nên bạn có thể đánh giá khả năng phán đoán của Agent mà không đặt codebase của mình vào nguy hiểm. Nếu repository của bạn không có code xác thực, hãy thay bằng một mảng nhỏ bất kỳ đang tồn tại, ví dụ như nạp cấu hình hay một component trạng thái rỗng.

Giao việc cho phần mềm theo cách này có cảm giác khác với việc prompt, và đúng là phải khác. Một prompt là cuộc trò chuyện; một Task là bản hợp đồng với kết quả có thể review. Khi vòng lặp này đã chạy được, hình mẫu tương tự sẽ mở rộng ra các ticket thật: bài hướng dẫn của chúng tôi về giao một ticket Jira cho AI agent sẽ cho thấy phiên bản dùng trong môi trường thực tế.

Bước 5: Giao Task và theo dõi lượt chạy

Mở phần điều khiển Assignee của Task và chọn Agent của bạn. Con người, Agent và Crew đều có thể là Assignee; chọn một Agent sẽ biến nó thành đơn vị được giao thực thi.

Có một quy tắc trạng thái quyết định thời điểm thực thi bắt đầu. Một Task được giao cho Agent sẽ không khởi động lượt chạy khi còn nằm trong Backlog. Backlog là khu vực chờ, nơi công việc được chuẩn bị. Hãy chuyển Task sang một trạng thái sẵn sàng làm việc (unstarted hoặc started), và Sharkly sẽ xếp hàng lượt chạy khi Computer và Runtime đã sẵn sàng. Các trạng thái Completed, canceled và duplicate không bao giờ khởi động lượt chạy đầu tiên.

Trong khi lượt chạy diễn ra, Task sẽ hiển thị trạng thái thực thi: queued, dispatched, running, rồi completed, failed hoặc canceled. Một lượt chạy dựa trên repository có thể mất một chút thời gian để checkout code và chuẩn bị thư mục tách biệt trước. Bạn có ba chế độ xem:

• Chat để trao đổi kiểu comment với Agent;
• Activity để xem comment và các thay đổi của Task trên cùng một dòng thời gian;
• Executions để xem lịch sử lượt chạy và vết đầy đủ: các lệnh gọi công cụ, sự kiện Runtime, nguồn kích hoạt và chi tiết lỗi.

Trạng thái lượt chạy và trạng thái Task có liên quan nhưng tách biệt. Một lượt chạy có thể đang Running trong khi trạng thái Task vẫn là In Progress, vì một cái mô tả tiến độ thực thi còn cái kia mô tả vị trí trong quy trình.

Bước 6: Review kết quả với tư cách người đánh giá, không phải người đứng xem

Phản hồi cuối cùng của Agent quay trở lại Task dưới dạng một comment được liên kết với vết thực thi của nó. Đây là lúc phần con người trong bản hợp đồng bắt đầu: Agent nghiên cứu, thực thi, kiểm thử và báo cáo. Con người định hướng, cấp quyền và chấp nhận kết quả.

Hãy kiểm tra xem Agent có:

• đã kiểm tra đúng đoạn code hoặc tài liệu nguồn dự định;
• đã giữ trong ranh giới không chỉnh sửa;
• đã đưa bằng chứng cho mỗi kết luận;
• đã ghi nhận điều chưa chắc chắn thay vì đoán bừa;
• đã để lại kết quả trên Task mà đồng đội có thể hành động dựa trên đó.

Nếu cần thêm một lượt nữa, hãy trả lời bằng một comment tập trung. Một comment hợp lệ trên Task vẫn đang được giao cho Agent đó sẽ khởi động một lượt chạy tiếp theo, và các comment nhanh liên tiếp sẽ được gộp lại để bạn không tạo ra những lượt chạy chờ trùng lặp. Nếu Agent cần ý kiến hoặc review của bạn, yêu cầu đó có thể xuất hiện trong Inbox, nơi tách những mục cần bạn trả lời khỏi các cập nhật ít ưu tiên hơn.

Khi kết quả đã đạt yêu cầu, hãy đánh dấu Task hoàn thành. Như vậy là bạn đã khép kín vòng lặp đầu tiên mà danh sách kiểm tra thiết lập theo dõi: Computer đã kết nối, Agent đã tạo, repository đã sẵn sàng, Task đã tạo, đã giao và đã hoàn thành.

Sau vòng lặp đầu tiên: năm cách mở rộng thiết lập

Lượt chạy đầu tiên chứng minh hệ thống đã thông. Mỗi bước tiếp theo sẽ thêm một chiều năng lực.

Làm sao chạy nhiều Task cùng lúc?

Hãy tăng mức đồng thời một cách có chủ đích. Với thư mục tạm, mức đồng thời mặc định là một nửa giới hạn của Computer; mỗi Task có một worktree tách biệt nên các lượt chạy song song không đụng nhau. Hãy theo dõi CPU, bộ nhớ và năng lực của nhà cung cấp model trước khi nâng giới hạn, và đọc bài cách các team chạy nhiều phiên Claude Code song song để so sánh với những thiết lập tự làm.

Khi nào nên dùng Agent Chat thay vì Task?

Sharkly cố ý giữ hai bề mặt. Dùng Chat để khám phá, lên kế hoạch hoặc điều tra cùng Agent trước khi công việc cần được theo dõi. Dùng Task khi công việc cần người chịu trách nhiệm, trạng thái, lịch sử thực thi hoặc review. Nếu một cuộc Chat tạo ra thứ mà cả team phải hành động, hãy chuyển nó thành Task để kết quả có bản ghi.

Khi nào bạn cần một Crew?

Crew là một nhóm gồm con người và Agent có thể tái sử dụng, được điều phối bởi một Agent trưởng nhóm. Với công việc nhỏ và đã rõ ràng, hãy giao Task trực tiếp cho một Agent và giữ số thành phần phải phối hợp bằng không. Dùng Crew khi Agent trưởng nhóm cần diễn giải mục tiêu, huy động các thành viên chuyên môn và tập hợp kết quả của họ về một Task.

Khi nào dùng Skill tốt hơn là sửa instructions?

Khi nhiều Agent cùng cần một quy trình (một checklist review, một mẫu migration, một định dạng báo cáo), hãy chuyển nó vào một Skill và liên kết ở những nơi cần thiết. Kinh nghiệm của một lập trình viên sẽ trở thành hạ tầng của tổ chức thay vì một prompt riêng tư.

Còn những người khác trong team thì sao?

Mọi thứ ở trên đều chạy được khi làm một mình. Lợi ích sẽ nhân lên khi Task nằm trong các Space dùng chung, Sprint nhóm công việc thành các chu kỳ, và đồng đội review kết quả của Agent ngay trên những chế độ xem họ vẫn dùng cho công việc của con người. Lớp quản lý dự án của Sharkly (Space, Project, Sprint, chế độ xem kanban và danh sách) đủ chuẩn mực để không ai cần đào tạo lại.

Khi Sharkly chưa phải công cụ phù hợp ở thời điểm hiện tại

Một ranh giới trung thực sẽ giúp bạn tiết kiệm thời gian. Nếu bạn chỉ là một lập trình viên chạy một agent trong một repository, thì một terminal và một branch có thể là tất cả những gì bạn cần lúc này. Lớp điều phối chỉ đáng giá khi số lượt chạy tăng lên: nhiều hơn một agent, nhiều hơn một người cần xem kết quả, hoặc công việc đòi hỏi review trước khi merge.

Logic tương tự cũng áp dụng cho những công cụ bạn tự xây. Các phiên tmux và script worktree tự làm thực sự hiệu quả; các team chỉ vượt qua chúng khi những phần vô hình (ai đã chạy gì, diff đi đâu, ai phê duyệt) bắt đầu tốn kém hơn khoản mà script tiết kiệm được. Và nếu team bạn nằm trọn trong hệ sinh thái của một nhà cung cấp duy nhất từ đầu đến cuối, hãy đánh giá giải pháp điều phối của chính nhà cung cấp đó trước. Sharkly mạnh nhất khi bạn trộn nhiều công cụ, nhiều máy và nhiều người, vì nó giữ thái độ trung lập với cả ba. Bối cảnh rộng hơn của hạng mục này nằm trong bài What Is Agentic Coding? nếu bạn đang tìm hiểu toàn cảnh.

Điều không thay đổi trong bất kỳ trường hợp nào ở trên: hãy giữ những công cụ mà team bạn đã dùng. Con đường áp dụng Sharkly là thêm một lớp hiển thị, có thể review bao quanh chúng, chứ không phải thay thế quy trình bên dưới.

Ba lượt chạy đầu tiên hiệu quả trong thực tế

Team platform thận trọng. Một kỹ sư DevEx kết nối một Computer Linux dùng chung, tạo một Agent Code Reader chỉ đọc, và để đồng đội giao các Task điều tra trong một tuần. Không ai cấp quyền ghi cho đến khi các báo cáo chứng minh đáng tin. Việc áp dụng lan rộng vì vết thực thi khiến khả năng phán đoán của Agent có thể kiểm chứng được.

Lập trình viên làm một mình đang mở rộng quy mô. Một lập trình viên kết nối laptop, tạo hai Agent (một để triển khai, một để review), và bắt đầu đưa những bug nhỏ đi qua Task thay vì prompt tùy hứng. Lợi ích trước mắt không phải tốc độ, mà là mỗi bản sửa giờ đều có mô tả, diff, vết thực thi và bản ghi những gì đã được kiểm tra.

Team lấy Jira làm trung tâm. Một engineering manager giữ Jira làm nguồn chân lý cho việc lập kế hoạch và kết nối Sharkly để các ticket trở thành Task có thể thực thi. Lập trình viên không còn copy-paste ngữ cảnh ticket vào terminal. Kết quả, điểm tắc và yêu cầu review đều quay về Task để manager nhìn thấy.

Mười phút tiếp theo của bạn

Quy trình Sharkly hữu ích nhỏ nhất được cố ý thiết kế đơn giản: kết nối một Computer, tạo một Agent và giao một Task ít rủi ro. Mọi năng lực nâng cao (worktree song song, Crew, Skill, Automation, Sprint) đều xây trên vòng lặp đó mà không làm thay đổi nó.

Vậy hãy chạy vòng lặp đó. Kết nối một Computer, tạo một Agent và giao cho nó việc gì đó nhàm chán. Review kết quả như bạn review PR đầu tiên của một đồng đội mới: với sự chú ý, một ranh giới và một câu hỏi tiếp theo. Rồi quyết định, dựa trên bằng chứng, xem nên cấp thêm gì. Bài Quickstart trong tài liệu phản ánh đúng các bước này kèm ảnh chụp màn hình mới nhất khi bạn sẵn sàng bắt đầu.

Câu hỏi thường gặp

Những coding agent nào hoạt động với Sharkly?

Sharkly phát hiện các công cụ agent được hỗ trợ đã cài trên một Computer đã kết nối và báo cáo từng công cụ như một Runtime. Claude Code, Codex, Gemini CLI và OpenCode nằm trong số các công cụ được nhắc đến trong tài liệu chính thức. Trang chi tiết Computer hiển thị bộ công cụ hiện được hỗ trợ cho máy của bạn, kèm liên kết hướng dẫn cài đặt cho từng Runtime, và bạn có thể thêm một ACP Runtime tùy chỉnh nếu công cụ nào đó không được tự động phát hiện.

Sharkly có thay thế Claude Code hay Codex không?

Không. Sharkly không thay thế Claude Code, Codex hay các công cụ thực thi khác. Những công cụ đó thực hiện phiên agent thực tế trên Computer của bạn. Sharkly bổ sung lớp dùng chung quanh chúng: giao việc ở cấp team, ngữ cảnh task, tiến độ, kết quả và review của con người. Bạn vẫn tiếp tục dùng những công cụ agent và tài khoản mình đã có.

Sharkly có giá bao nhiêu?

Mô hình của Sharkly là tự mang subscription: việc dùng model diễn ra qua subscription hoặc API key được cấu hình trong các công cụ agent của bạn, và hạn mức phụ thuộc vào các gói mà team bạn kết nối. Để biết các gói sản phẩm hiện tại, hãy xem trực tiếp tại sharkly.ai, vì bài viết này không cập nhật giá.

Code và thông tin xác thực của tôi có đi qua server của Sharkly không?

Việc thực thi diễn ra trên những Computer bạn kết nối: laptop, server hoặc container của bạn. Computer cung cấp hệ điều hành, tệp, thông tin xác thực và công cụ, còn dịch vụ cục bộ truyền tiến độ và kết quả trở lại Task. Repository được lấy bằng quyền truy cập Git đã cấu hình trên Computer đó.

Vì sao Agent của tôi không khởi động lượt chạy?

Hãy kiểm tra ba nguyên nhân thường gặp theo thứ tự. Thứ nhất, Task có thể đang ở Backlog; các Task đã được giao sẽ chờ ở đó cho đến khi được chuyển sang trạng thái sẵn sàng làm việc. Thứ hai, Runtime có thể chưa dùng được; Computer trực tuyến chỉ xác nhận có nhịp tim, nên hãy mở chi tiết Computer và kiểm tra trạng thái năng lực của Runtime. Thứ ba, năng lực có thể đã đầy; một Agent đang trực tuyến vẫn có thể phải xếp hàng khi đạt giới hạn đồng thời hoặc giới hạn thư mục.

Hai Agent có thể làm việc trên cùng một repository cùng lúc không?

Có, với thư mục làm việc tạm. Mỗi Task có một thư mục tách biệt, và các lượt chạy dựa trên repository sẽ chuẩn bị một git worktree riêng cho mỗi lượt, qua đó giảm can thiệp giữa các Task chạy đồng thời. Thư mục chỉ định thì ngược lại: mỗi đường dẫn đã cấu hình chỉ phục vụ một lượt chạy tại một thời điểm.

Tôi có thể chạy Sharkly Agent trên server từ xa không?

Có. Hãy cài Sharkly CLI và dịch vụ cục bộ trên host từ xa, rồi đăng ký nó bằng một install token dùng một lần lấy từ trang Computers. Dịch vụ cục bộ kết nối ra ngoài tới Sharkly, nên thiết lập thông thường không cần cổng vào. Computer từ xa phù hợp cho năng lực dùng chung của team; laptop phù hợp cho việc thử nghiệm cá nhân.

Task đầu tiên của tôi nên là gì?

Một việc gì đó chỉ đọc, có ranh giới rõ ràng và kết quả có thể review. Tài liệu gợi ý review một luồng xử lý lỗi xác thực và báo cáo ba trường hợp lỗi mà người dùng thấy được kèm bằng chứng, không chỉnh sửa tệp. Bất kỳ mảng nhỏ và thực tế nào trong codebase của bạn cũng được. Tránh những Task đầu tiên mơ hồ kiểu "improve the code"; bạn không thể review thứ bạn chưa xác định phạm vi.