2026年，"Token工厂"成为AI基础设施领域最热的词。但作为一个每天和大模型API打交道的开发者，我更关心的是：这玩意儿到底是什么技术？跟我自己跑vLLM有什么区别？API好不好用？值不值得接？这篇文章从推理引擎、内存管理、调度策略到API接入，做一次完整的技术拆解。

《从零搭建城市管理智能问答系统：Agentic RAG实战指南》开篇介绍了一个基于真实政务场景的技术实践项目。该专栏将以Python为核心技术栈，完整实现一个能自动检索多部门资料、提供可溯源回答的城市管理问答系统。项目特色包括：1）完全手写实现RAG全流程，涵盖文档加载、中文文本切分、向量化检索等关键环节；2）采用模块化设计，支持嵌入模型和大模型的灵活替换；3）逐步升级为具备路由判断、自我核查等能