Kapa.ai致力於構建能夠回答複雜問題的AI助手，其知識庫包含技術文件、API參考、PDF、論壇和支援執行緒等大型產品知識庫。為了處理這些龐大的知識庫，他們使用檢索增強生成（RAG）技術，但發現檢索器為追求高召回率而返回的大量文本塊中，大部分對於生成答案並無必要，而這些無關塊卻佔據了查詢成本的大部分。
在RAG管道中，檢索器從數百萬個塊中篩選出候選塊，經重排序後，通常將前15個塊送入生成器（最大的語言模型）。然而，這些塊中大部分是噪聲，生成器依然要為每個無關塊付費。Kapa.ai的統計顯示，檢索到的塊佔查詢成本的三分之二左右，而每減少一個塊，成本就能降低約4%。因此，他們希望在不影響答案質量的前提下，儘可能多地丟棄無關塊。
起初，他們嘗試在重排序後使用固定閾值截斷，但重排序得分並非跨查詢校準，且順序性得分無法衡量單個塊的絕對相關性。更重要的是，相關性並非單個塊的屬性，而是塊集的屬性。例如，某個塊單獨看可能無關，但與另一塊結合後卻能構成完整答案。點式評估無法判斷這種集合層面的相關性。
為此，Kapa.ai在檢索器和生成器之間引入了一個修剪步驟。他們使用一個小型、廉價的語言模型，同時檢視問題和所有檢索到的塊，並對每個塊進行五級評分：5分（必需）、4分（貢獻）、3分（支援）、2分（相關但無關緊要）、1分（無關）。只有得分高於閾值的塊才會被保留。這種方法既解決了跨查詢校準問題（因為級別定義固定），又能夠評估塊集的相關性。
實驗結果表明，修剪策略顯著優於簡單的截斷方法。在保持96%召回率的情況下，約68%的塊被丟棄，每次查詢的成本淨降低34%（已扣除修剪器自身的成本）。修剪器執行時間約為0.7秒，增加了少量延遲，但生成器由於輸入減少，響應速度略有提升，不過不足以完全抵消這一延遲。
Kapa.ai已將此功能預設應用於產品Agent SDK的知識庫搜尋中，並在檢索API和MCP伺服器中作為可選功能提供。在智慧體場景中，由於智慧體本身已有多輪模型呼叫，增加一次輕量級修剪幾乎不會產生額外影響。