---
title: "Thử dùng Jev gánh việc chọn lọc mỗi sáng để Grok Bot đỡ tốn token"
description: "Jev của TypeSafe AI giúp Grok Bot chọn lọc và ra quyết định bằng JSON xác suất: lọc tin, phân loại tin nhắn khách, kiểm tra bản nháp, giảm token mỗi ngày."
canonical: "https://200lab.io/blog/jev-grok-bot-decisions"
published: "2026-11-01T06:06:11Z"
updated: "2026-11-01T06:06:11Z"
authors: ["Mỹ Ngọc"]
tags: ["AI", "Agent", "Tips and tricks", "Grok Bot"]
reading_minutes: 14
access: "public"
---

Hôm nay, mình vừa phát hiện ra một kỹ thuật mới giúp Grok Bot đỡ tốn token hẳn ở những việc chọn lọc lặp đi lặp lại mỗi sáng, nên muốn kể lại cho bạn nào cũng đang dùng Grok Bot để chạy công việc hằng ngày.

Mỗi sáng mình có routine cho Grok Bot đọc tin mới từ radar AI của blog để chọn chủ đề viết bài. Cửa sổ 48 giờ có tới **3.679 tin**, nên sáng nào bot cũng đọc cả nghìn tin rồi mới chọn ra vài tin đáng chú ý. Nhìn usage và token vơi đi mỗi sáng mình hơi xót, vì phần lớn lúc đó chỉ là quyết định đọc tiếp hay bỏ qua.

Một hôm anh Việt bên 200Lab gợi ý mình thử Jev, model của TypeSafe AI chuyên trả lời câu hỏi chọn lựa bằng dữ liệu có cấu trúc thay vì viết văn. Ý tưởng đặt một lớp lọc rẻ và nhanh đứng trước để đảm nhận việc chọn lựa nghe rất hợp lý với Grok Bot mình đang dùng.

Khi gọi API, bạn gửi state gồm chữ hoặc JSON kèm câu hỏi chọn phương án, chấm mức hoặc hỏi có không để nhận xác suất tương ứng. Blog 200Lab đã có [bài tìm hiểu cơ chế hoạt động của Jev](https://200lab.io/blog/tim-hieu-ve-jev-he-thong-ai-agent-se-thay-doi-ra-sao) rất chi tiết, nên mình chỉ tóm tắt vậy để kể chuyện gắn vào bot.

## Chia lại việc giữa Jev và Grok Bot trong routine hằng ngày

Thay vì bắt model giỏi đọc viết như Grok Bot làm luôn phần sàng lọc ban đầu, mình tách quy trình buổi sáng làm hai nửa. Jev đứng vòng ngoài, nhận danh sách tin thô rồi chấm điểm và xếp hạng nhanh vì chỉ trả về con số xác suất chứ không sinh văn bản.

Khi danh sách còn **khoảng 8 tin** đứng đầu, Grok Bot mới mở bài gốc ra đọc kỹ, đối chiếu và chọn bài cuối. Phần đọc sâu và viết vẫn thuộc về Grok Bot, còn những lựa chọn nhỏ lặp lại mỗi ngày thì chuyển sang cho Jev.

## Chuyện lọc 3.679 tin cho Grok Bot từ 193 lượt xuống 6 lượt

Hôm 01/11/2026, mình cho Grok Bot chạy thử thật trên 3.679 tin trong 48 giờ của radar blog. Bản script đầu chạy mất **khoảng 10 giây**, tốn **193 lượt gọi API** với **khoảng 715 nghìn token đầu vào**. Kết quả dùng được luôn làm mình khá mừng, dù script cứ cắt từng nhóm 30 tin ra hỏi và chưa biết nhớ kết quả lần trước.

Niềm vui chưa bao lâu thì lúc mở log xem lại, mình giật mình vì con số 193 lượt gọi chỉ cho một lần lọc tin. Mình nhờ Grok Bot truy lại log từng lượt gọi, rồi cùng mở tài liệu TypeSafe đọc kỹ từng dòng xem script hiểu sai chỗ nào. Lúc loay hoay cho bot thử gộp câu hỏi theo đủ kích cỡ để dò giới hạn model, mình còn làm tốn thêm khoảng 90 lượt gọi nữa ngoài hai bản chạy chính.

Bù lại, bản sửa xong của Grok Bot làm mình thở phào nhẹ nhõm. Lần chạy đầu giờ chỉ mất **6 lượt gọi** với **khoảng 125 nghìn token đầu vào** trong khoảng 6 giây, còn bấm chạy lại ngay thì tốn **0 lượt** và mất khoảng 5 giây đọc cơ sở dữ liệu. Với lượng tin mới mỗi sáng, mình nhẩm tính routine chỉ cần khoảng 3 đến 5 lượt gọi là xong, mà **7 trên 8 tin đầu** vẫn giữ nguyên như bản 193 lượt.

## Bốn chỗ mình nhờ Grok Bot sửa trong script gọi Jev để giảm lượt gọi

### Gộp hàng trăm câu hỏi vào chung một lượt

Tài liệu TypeSafe cho gửi không giới hạn câu hỏi trong một lượt, miễn tổng dung lượng dưới **64 nghìn token mỗi lượt** và **32 nghìn token cho từng câu** tính cả state. Trong cookbook của hãng, ví dụ gộp 13 câu trên bài báo dài mất 0,27 giây và tốn 0,000497 USD, còn tách 13 lượt thì đắt gấp **khoảng 12 lần** và chậm gấp **khoảng 10 lần** dù đáp án y hệt.

Trên trang chủ, hãng còn đưa ví dụ một luồng việc xong trong 0,114 giây. Mình bảo bot gom luôn **khoảng 450 câu hỏi** vào một lượt và thấy mỗi lượt trả về **dưới 0,25 giây**.

### Ghi thẳng nội dung tin vào từng câu hỏi

Lúc mới gộp, script để danh sách tin ở state chung rồi hỏi kiểu "xem tin số 12" cho đỡ tốn chữ. Khi nâng lên từ khoảng 50 câu một lượt, Jev trả lời lệch nhiều, hỏi lại cùng một tập mà có tới **19 đến 35 đáp án bị đổi** trên tổng số 50 đến 80 câu.

Hóa ra tài liệu đã ghi rõ Jev yếu khi câu hỏi phải tham chiếu sang chỗ khác trong state, nên mình nhờ Grok Bot chép thẳng nội dung từng tin vào câu hỏi và thấy đáp án ổn định hẳn.

### Lọc và gom cụm tin trùng trên máy trước

Thay vì đẩy cả 3.679 tin lên API, mình nhờ Grok Bot viết code xử lý sơ bộ trên máy trước. Script gom bài trùng sự kiện thành **2.418 cụm**, rồi chỉ chọn **520 cụm** có dấu hiệu đáng chú ý để gửi hỏi, bỏ qua khoảng 1.900 tin lẻ quá yếu. Đánh đổi là những tin rất nhỏ mới manh nha có thể bị lọt lưới ngay từ vòng lọc code.

### Lưu cache bốn ngày và đặt trần an toàn

Vì cửa sổ quét dài 48 giờ nên tin hôm qua sáng nay quét lại vẫn còn. Mình cho script lưu cache câu trả lời trong **4 ngày** để lần sau chỉ hỏi tin mới, nhờ vậy lúc chạy lại tốn 0 lượt gọi. Mình cũng dặn bot đặt trần cứng **30 lượt gọi mỗi lần**; lỡ chạm trần hoặc API lỗi thì script tự xếp hạng theo điểm nội bộ và ghi log để Grok Bot vẫn có danh sách đọc.

## Kết quả JSON từ Jev và chi phí thực tế khi đi cùng Grok Bot

Để bạn dễ hình dung, hôm 01/11/2026 mình có nhờ Grok Bot gọi thử một lượt mẫu với ngữ cảnh shop nến thơm. State gửi lên gồm mô tả ngắn về shop kèm tin nhắn tiếng Việt của khách:

> Shop ơi, hũ nến mùi quế mình nhận hôm qua bị nứt nắp rồi, mình muốn được hoàn tiền gấp đôi, không thì mình đánh giá 1 sao nhé.

Ba câu hỏi tiếng Anh gửi kèm hỏi xem ca này có cần chủ shop tự quyết không, thuộc chủ đề gì và mức độ gấp trên thang từ 0 (chờ vài ngày), 1 (trong ngày) đến 2 (trong giờ).

```json
{
  "needs_owner": {
    "noul": 0.95
  },
  "topic": {
    "choice": "damaged_or_complaint",
    "confidence": 1.0
  },
  "urgency": {
    "score": 1.76,
    "confidence": 0.66
  },
  "usage": {
    "input_tokens": 529,
    "output_tokens": 88
  }
}
```

Từ JSON này, code đọc ra ngay xác suất cần chủ shop can thiệp là **0,95**, phân loại vào nhóm hàng hỏng hoặc khiếu nại với độ tin cậy 1,0, còn điểm gấp đạt 1,76 tức **khoảng 77%** nghiêng về mức trả lời trong giờ. Lượt gọi lẻ này chỉ là mẫu thử chứ chưa phải phép đo diện rộng, mất **khoảng 0,14 giây** tính cả thời gian mạng và tốn **khoảng 0,00002 USD**.

![Bên trái là một đoạn chữ dài rối rắm khó đọc, bên phải Jev trả về thẻ JSON gọn với fit 0.91 và confidence 0.88. Code kiểm tra thẻ này rồi rẽ sang hai nhánh viết hoặc bỏ qua.](https://assets.200lab.io/sha256/28/28620ccc8cfef28e0e0b9b0687b63db35c5ce392bb5ccc36b3d3faeaf1b4d37e/generations/9e42ad575094f585ee2b3ac0882898d7365be542b31892418b87a579971be82e)

Theo giá niêm yết lúc mình kiểm tra ngày 01/11/2026 trên [trang thông tin các model của TypeSafe](https://docs.typesafe.ai/models.md), bản Jev 1.14 có giá **0,042 USD mỗi triệu token đầu vào**, tức **42 USD mỗi tỷ token**, còn token đầu ra hiện được **miễn phí**. Giá này có thể thay đổi về sau.

Với bài toán radar, bản 193 lượt tốn **khoảng 0,03 USD**, còn bản 6 lượt tốn **khoảng 0,005 USD**. Tiết kiệm lớn nhất là Grok Bot chỉ đọc **khoảng 8 tin** thay vì vài nghìn tin mỗi sáng, dù mình không đo được số token Grok Bot giảm.

Mình thích vì mọi con số xác suất đều lưu lại để mở ra kiểm tra khi cần, và vì thang điểm chưa hiệu chỉnh riêng nên mình lấy theo thứ tự xếp hạng thay vì cắt ngưỡng cứng. Đúng 9 giờ 30 sáng, routine chạy script Python xuất danh sách ngắn để Grok Bot mở xem, bấm link nguồn đọc và chốt chủ đề.

## Tình huống giả định chủ shop nến dùng Jev lọc tin nhắn cho Grok Bot

Từ mẫu thử trên, mình hình dung một kịch bản giả định áp vào shop nến thơm của mình, khi mỗi sáng thức dậy đã có hàng chục tin nhắn dồn từ đêm qua. Thay vì để Grok Bot đọc hết và soạn nháp, mình đặt Jev ở đầu routine để chia tin nhắn vào ba rổ. Mọi con số và cách chia ở đây đều là giả định để bạn dễ đối chiếu.

Rổ thứ nhất chứa câu hỏi đơn giản như xin bảng mùi, hỏi giờ mở cửa để hệ thống trả lời theo mẫu. Rổ thứ hai gom tin hỏi tư vấn quà hoặc đổi địa chỉ giao, lúc này Grok Bot mới đọc lịch sử đơn và soạn nháp. Rổ thứ ba dành cho mình tự xử lý các ca đòi bồi thường, dọa đánh giá 1 sao như tin nứt nắp nến, kèm những tin Jev có độ tin cậy lưng chừng.

![Tin nhắn qua đêm của shop nến đi vào chiếc phễu Jev, mỗi tin gắn một điểm tin cậy, rồi được chia vào ba giỏ: giỏ câu hỏi đơn giản trả lời bằng mẫu tự động, giỏ để các Grok Bot đọc lịch sử đơn hàng và soạn trả lời, và giỏ chủ shop tự xử lý gồm đòi bồi thường, dọa đánh giá 1 sao về chiếc nắp nến bị nứt và các tin Jev chưa chắc chắn.](https://assets.200lab.io/sha256/e3/e3621f3e744debb76c66397477634c9544a771140b0b9c067c6d9e45e7e0d686/generations/81b9a533f389de50ef783ea51f9ca9e3acd01918c4e368bd8160860e6dc2d067)

## Những chỗ đặt Jev trước và sau khi Grok Bot làm việc

Nếu đang vận hành công việc bằng bot, việc ghép thêm lớp chọn lựa JSON sẽ mở ra nhiều cách phối hợp ở cả đầu vào lẫn đầu ra.

![Dây chuyền làm việc: phễu Jev lọc việc đầu vào, ba Grok Bot cùng đọc, chuyền tay và soạn nháp, rồi cổng Jev kiểm tra bản nháp trước khi chia sang cửa gửi hoặc cửa chờ chủ shop duyệt.](https://assets.200lab.io/sha256/ea/eac39d8f88573ff0fd89f2f6c8a92016387874a9c168b3841a70e6a9cfd2f5dd/generations/5c9df22cb689027caa3324584edee608280767139101e75f7a086060ef4c2e20)

### Đặt trước khi Grok Bot bắt đầu đọc và viết

- **Phân loại hộp thư buổi sáng.** Jev đọc lướt email, tin nhắn mới để tách thư rác và thông báo tự động khỏi tin cần phản hồi trước khi gọi Grok Bot.
- **Chọn đúng bot nhận việc.** Khi chia việc cho nhiều bot bán hàng, kế toán và chăm sóc khách, câu hỏi chọn **tối đa 255 phương án** sẽ đẩy yêu cầu về đúng nơi.
- **Gợi ý skill phù hợp.** TypeSafe có cookbook chọn nhiều nhất một skill trong **194 skill**, giúp bot tránh nạp hàng loạt hướng dẫn thừa vào ngữ cảnh.
- **Kiểm tra hôm nay có cần chạy việc nặng.** Routine Grok Bot chạy trên cloud nên bật lên là tính usage, Jev chỉ giảm phần việc bên trong. Muốn khỏi bật bot vào những ngày ít việc, bạn phải dựng máy chủ riêng để gọi Jev trước.
- **Chấm điểm đoạn tài liệu liên quan.** Trước khi nạp hàng chục trang quy định, bạn nhờ Jev chấm xem đoạn nào liên quan tới câu hỏi của khách để chỉ đưa đoạn đó cho bot đọc.

Bạn cũng có thể dùng Jev rà đầu vào để phát hiện tin nhắn cài câu lệnh đòi bỏ qua quy định hoặc giả danh chủ shop. Dù vậy đây chỉ là lớp kiểm tra phụ, vì tài liệu hãng cảnh báo nội dung cố tình đánh lừa nằm trong state vẫn có thể làm lệch câu trả lời của Jev.

### Đặt sau khi Grok Bot đã soạn xong nội dung

- **Chấm lại giọng điệu bản nháp.** Trước khi gửi, Jev đọc lại văn bản xem giọng văn có giữ được sự lịch sự hay lỡ mang sắc thái tranh cãi với khách.
- **Soi cam kết vượt chính sách.** Lớp này chặn những câu tự ý nhận đền bù hay giảm giá sai quy định, phù hợp để đi kèm quy trình [trả lời đánh giá xấu đúng chính sách của shop](https://200lab.io/blog/reply-bad-reviews-with-ai) mình từng viết.
- **Kiểm tra đã trả lời đủ ý chưa.** Nếu khách hỏi cùng lúc mùi hương, thời gian giao và phí gói quà, Jev rà xem bản nháp có sót ý nào không.
- **Quyết định gửi thẳng hay chờ duyệt.** Tùy mức rủi ro, code tự gửi hoặc đẩy về hàng đợi giống cách [chia quyền duyệt bản nháp cho bot](https://200lab.io/blog/cho-bot-quyen-gi-phan-quyen-ai-agent) mình viết đợt trước.
- **Đối chiếu thông tin với tài liệu gốc.** Giống cookbook kiểm trích dẫn của TypeSafe, bước này kiểm tra giá tiền hay điều khoản đổi trả có khớp với bảng chính sách của shop không.
- **Rà bản tin tổng kết cuối ngày.** Khi cài [routine gửi bản tin cuối ngày cho chủ shop](https://200lab.io/blog/grok-bot-daily-digest-routine), Jev kiểm tra xem báo cáo đủ mục chưa và có lộ số điện thoại, địa chỉ khách ra kênh chung không.

## Giới hạn của Jev và những việc vẫn phải để Grok Bot làm

Dù nhanh và rẻ, model này có những giới hạn rõ ràng trên [trang tổng hợp các điểm yếu của Jev](https://docs.typesafe.ai/model-jaggedness/jev-1.13.md) mà bạn nên đọc để tránh giao nhầm việc. Tài liệu ghi rằng hiện Jev xử lý tiếng Anh chính xác nhất, ngôn ngữ khác kém hơn nên cần tự thử và xem độ tin cậy; tiếng Việt mình mới thử đúng một mẫu tin nhắn nến thơm nên chưa kết luận rộng được.

Jev hiểu chữ sát nghĩa đen, yếu khi tính toán, đếm số lượng hay so sánh ngày tháng, nên việc đếm đơn hay tính tiền hoàn cứ để code Python làm. Nếu tiêu chí mâu thuẫn hoặc state quá dài nhiều chi tiết thừa thì kết quả dễ nhiễu, và ở câu hỏi chọn một phương án, Jev hơi nghiêng về phương án đầu.

Model này cũng không sinh được văn bản và dễ bị lừa nếu có câu dẫn dắt tinh vi giấu trong nội dung gửi lên. Mọi việc cần đọc ngữ cảnh lắt léo, xoa dịu khách giận hay viết phản hồi tự nhiên vẫn cần Grok Bot và quyết định cuối từ con người.

Nhìn TypeSafe tung loạt cookbook từ lọc đầu vào tới kiểm trích dẫn cùng skill cho agent viết code, mình đoán cách ghép model chọn lựa nhanh với model đọc viết sâu sẽ ngày càng phổ biến.

## Cách gắn Jev vào Grok Bot và 5 bước tự thử cho công việc của bạn

Lúc gắn vào hệ thống, mình lưu API key bằng secure secret card theo [hướng dẫn Store secrets securely của Grok Bot](https://cursor.com/help/grok-bot/secrets) để ẩn key khỏi lịch sử chat và nạp thành biến môi trường. Sau đó bạn nhờ Grok Bot viết script Python gọi Jev ở bước đầu của routine, nhớ tách riêng câu hỏi và mức ngưỡng ra file độc lập như TypeSafe khuyên vì agent chưa giỏi tự đặt câu hỏi cho Jev.

Ngoài ra, tên `jev-latest` lúc mình xem đang trỏ tới bản `jev-1.14.0` từ ngày 14/10/2026 và có thể đổi khi ra bản mới. Khi đã căn chỉnh xong ngưỡng điểm, bạn nên ghi cố định tên phiên bản vào code.

Nếu muốn tự thử cho việc kinh doanh của mình, bạn có thể đi qua 5 bước này:

1. **Rà lại một việc chọn lựa lặp lại mỗi ngày.** Xem log routine Grok Bot chỗ nào đang phải đọc nhiều tin nhắn, email hoặc dòng dữ liệu chỉ để chọn vài mục xử lý.
2. **Chọn việc rõ đáp án và nháp 2 đến 3 câu hỏi tiếng Anh.** Bắt đầu bằng câu phân loại đơn giản hoặc chấm mức 0 đến 2, tránh nhồi tiêu chí chồng chéo.
3. **Lấy 20 mẫu cũ đã biết đáp án để gọi thử một lượt gộp.** Chép thẳng nội dung từng mẫu vào câu hỏi tương ứng rồi gửi chung xem kết quả và độ tin cậy có khớp không.
4. **Chỉnh câu chữ rồi chọn đặt ngưỡng hay lấy theo xếp hạng.** Nếu điểm số chưa tách bạch, cứ xếp từ cao xuống thấp lấy nhóm đầu bảng như mình làm với radar tin.
5. **Cho Grok Bot đọc thử kết quả lọc trước khi chạm tới khách.** Để bot soạn nháp từ file JSON của Jev vài hôm cho quen nhịp, còn bấm gửi hay hoàn tiền vẫn chờ duyệt.

Ngay hôm nay, bạn có thể mở lại log routine của Grok Bot trong những ngày qua, chọn ra 20 tin nhắn hoặc đầu việc cũ rồi chạy thử một lượt gọi gộp, xem cách Jev xếp hạng có khớp với cách bạn tự tay chọn mỗi sáng không.

## Đọc thêm

- [Extension Claude Code giả mạo trên Cursor Marketplace: cách kiểm tra máy](https://200lab.io/blog/claude-code-extension-cursor-ssh-backdoor.md): Extension Claude Code giả mạo trên Cursor Marketplace cố cài backdoor SSH lên macOS, Windows. Gỡ extension thôi chưa đủ, phải kiểm tra key lạ trong máy.
- [Diagram Director: template Grok Bot vẽ sơ đồ system design có chuyển động](https://200lab.io/blog/grok-bot-diagram-director.md): Diagram Director là template Grok Bot vẽ sơ đồ system design có chuyển động; mọi con số phải nằm trong solution sheet trước khi dựng diagram.
- [Self Evolution: cách để Grok Bot tự cải tiến liên tục từ kinh nghiệm làm việc và người dùng](https://200lab.io/blog/grok-bot-self-evolution.md): Self Evolution giúp Grok Bot rút bài học từ việc hằng ngày, nhưng bot chỉ học khi có ghi log kèm bằng chứng và thay đổi rủi ro vẫn chờ bạn duyệt.
- [OpenAI công bố hệ thống giám sát AI agent sau vụ Hugging Face](https://200lab.io/blog/openai-ai-agent-monitoring-system.md): Giám sát AI agent ở OpenAI có 4 lớp, dựng sau vụ agent thoát sandbox. Hãng làm model còn phải soi agent, người giao việc càng cần chỗ xem lại bot làm gì.
- [Cách đặt Grok Bot gửi bản tin cuối ngày nhắc việc cho chủ shop](https://200lab.io/blog/grok-bot-daily-digest-routine.md): Bản tin cuối ngày giúp người bán một mình gom việc còn treo. Với routine của Grok Bot, bot chỉ đọc bảng và nhắc việc theo lịch, chủ shop vẫn tự quyết định.
- [Mọi bài viết chủ đề AI](https://200lab.io/blog/tags/ai.md)

Toàn bộ nội dung: https://200lab.io/llms.txt