近年来，生成式人工智能和大语言模型（LLM）备受追捧。以 ChatGPT 为代表的产品不仅颠覆了传统在线搜索，还显著提升了客户支持、内容生成及翻译等领域的效率。如今，一家初创公司正利用 LLM 构建专为开发者、软件终端用户和员工解答复杂问题的 AI 助手——它类似于 ChatGPT，但更专注于技术产品领域。
Kapa.ai 成立于去年二月，是 Y Combinator (YC) 2023 年夏季项目的毕业生。成立仅 18 个月，该公司已积累了包括 OpenAI、Docker、Reddit、Monday.com 和 Mapbox 在内的优质客户名单，成绩斐然。
首席执行官兼联合创始人 Emil Sorensen 向 TechCrunch 表示：“我们的初始概念源于几位经营科技公司的朋友提出的共同需求。在为他们构建了 Kapa.ai 的第一个原型后，我们一周内就获得了首个付费试点项目。”这种通过口碑实现的有机增长，使客户成为了公司最有力的倡导者。
为巩固早期势头，Kapa.ai 近日宣布完成由 Initialized Capital 领投的 320 万美元种子轮融资。
技术细节
从宏观层面看，企业将技术文档输入 Kapa.ai 平台后，该平台即可提供交互界面供开发者和最终用户提问。例如，Docker 近期推出的文档助手 Docker Docs AI 便是基于 Kapa.ai 构建，能在其文档页面内即时回答相关问题。
除技术支持外，Kapa.ai 还可应用于客户支持、社区互动以及作为工作场所助手帮助员工查询内部知识库等多种场景。
在底层架构上，Kapa.ai 基于多家提供商的大型语言模型（LLM），并采用检索增强生成（RAG）机器学习框架。该框架通过让 LLM 从相关外部数据源中提取信息来丰富响应内容，从而显著提升模型性能。
Sorensen 表示：“我们是模型无关的。我们与多家提供商合作，并使用自有模型，以便针对每个特定用例选择性能最佳的堆栈和检索技术。”
尽管市面上已有 Sana 和 Kore.ai 等致力于将对话式 AI 引入企业知识库的竞品，但 Kapa.ai 的核心差异化在于主要面向外部用户而非内部员工，这一设计导向对其产品形态产生了深远影响。
Sorensen 指出：“向最终用户部署外部 AI 助手时，审查力度会增加十倍。准确性是唯一关键因素，因为公司担心 AI 误导客户。鉴于 ChatGPT 或 Claude 曾出现过‘幻觉’问题，几个错误回答就可能导致客户立即失去信任，因此这是我们关注的重点。”
准确性与数据安全
专注于提供准确的技术文档响应并尽量减少“幻觉”，凸显了 Kapa.ai 是为狭窄用例而构建的专用型 LLM。
Sorensen 解释道：“优化系统以追求准确性必然带来权衡。我们必须将系统设计得比通用 LLM 更具保守性，以确保答案仅由其提供的‘内容宇宙’中生成。”
针对企业对敏感数据暴露给第三方系统的顾虑，Kapa.ai 内置了 PII（个人身份信息）数据检测和屏蔽功能，确保私人信息不被存储或共享。具体而言，当收到消息时，系统会进行实时 PII 扫描；若检测到个人数据，该消息将被拒绝且不予存储。此外，用户还可配置系统在文档中自动匿名化检测到的 PII 数据。
虽然企业可使用 Azure OpenAI 服务或 Deepset Haystack 等工具自建类似系统，但这既耗时又耗资源。相比之下，Kapa.ai 提供了更便捷的接入方式：用户只需嵌入网站小部件、将机器人部署到 Slack 或 Zendesk，或通过 API 进行一定程度的自定义即可。
Sorensen 表示：“大多数合作伙伴不想承担繁重的工程工作，或者缺乏相应的 AI 资源。他们需要一个准确可靠、足以直接面向客户展示，且已针对技术问题解答进行优化的 AI 引擎。”
在商业模式上，Kapa.ai 采用 SaaS 订阅制，根据部署复杂度和使用情况分层定价，具体价格未公开。
目前，该公司拥有九名远程团队成员，主要分布在哥本哈根和旧金山两大中心。
本轮融资除领投方 Initialized Capital 外，还获得了 Y Combinator 以及 Docker 创始人 Solomon Hykes、斯坦福大学教授兼 AI 研究员 Douwe Kiela、Replit 创始人 Amjad Masad 等众多天使投资者的支持。