分子模拟工作平台搭建
系列标签：
技术文档·平台搭建·MolSimulX·环境配置
做分子模拟，光会跑软件还不够——你还需要一套顺手的「工作台」：写脚本、管版本、装 Python 库、画轨迹图，有时还要连集群算大体系。
本文介绍一套跨平台（Mac / Ubuntu / Windows）工作平台怎么搭。核心组合是：VSCode / Cursor（写代码）+ Git（记版本）+ Conda（管 Python 环境）+ JupyterLab（交互式分析）。装好后，建模、分析轨迹、出图这些常见活都能在同一套环境里完成。
新电脑先打地基再读本文： Mac / Ubuntu（含 WSL 里的 Ubuntu）见 Mac与Ubuntu开发环境配置（CLT、Homebrew、apt 基础包）；Windows 见 WSL2安装与配置。各工具的日常用法另有专题教程；本文只讲平台组件按什么顺序装，以及分子模拟专用的 myenv 怎么一键部署。
后续 MolSimulX 的案例与教程都默认你已具备这套平台。
一、平台由哪些部分组成？
可以把整套平台想成一间「分子模拟工作室」：
| 组件 | 含义 | 详细教程 |
|---|---|---|
| 终端 (Terminal) | 用文字下命令的窗口；装软件、连集群都从这里进 | Mac与Ubuntu开发环境配置、Linux终端与Shell简明教程、SSH密钥与config配置简明教程 |
| VSCode / Cursor | 写 .py、跑 Notebook 的编辑器；也能远程连集群 |
VSCode与Cursor简明教程、VSCode与Cursor远程连接集群 |
| Git | 项目的「时光机」，避免 分析_最终版_v3.ipynb 这种烂摊子 |
Git简明使用教程 |
| Conda | 给每个项目单独隔一间「Python 小厨房」，依赖不打架 | Conda与Mamba简明教程 |
| JupyterLab | 浏览器或 VSCode / Cursor 里边写边跑的 Notebook 工作台 | JupyterLab简明教程 |
| myenv 环境 | 本站预置好的分子模拟 Python 包合集 | 本文第四节 |
一条典型一天：
打开 VSCode/Cursor 项目 → 终端 conda activate myenv
→ 改 .py 或 .ipynb → 分析轨迹、画图 → git commit 存一版
→ 算力不够时 SSH 连集群，远程接着干
二、终端环境准备（跨平台）
装 Conda、连集群、提交作业，都离不开终端——就是那个黑底白字（或彩字）敲命令的窗口。按系统先把底座就绪，再回来装本节后面的工具：
| 系统 | 先做完 | 再继续本文 |
|---|---|---|
| Mac / Ubuntu（含 WSL 内 Ubuntu） | Mac与Ubuntu开发环境配置（CLT、Homebrew 或 apt 基础包） |
第三节起 |
| Windows | WSL2安装与配置，之后按 Ubuntu | 第三节起（命令都在 WSL 里敲） |
命令怎么用见 Linux终端与Shell简明教程。下面只需记住：改长期配置时写哪个文件。
| Shell | 配置文件 | 说明 |
|---|---|---|
| Zsh（Mac 默认） | ~/.zshrc |
把 conda init、别名、brew shellenv 等写这里 |
| Bash（多数 Ubuntu / WSL） | ~/.bashrc |
同上 |
| Bash（少数 Mac） | ~/.bash_profile |
看你实际用的是哪种 Shell |
Tips：
~就是你家目录，相当于 Windows 的C:\Users\你。
改完配置后，重新开一个终端，或执行：
source ~/.zshrc # Zsh
source ~/.bashrc # Bash (Ubuntu / WSL)
source ~/.bash_profile # Bash (Mac)
可选：美化终端界面（可跳过）
终端能否正常工作不取决于主题。若希望提示符更清晰、显示 Git 分支与 Conda 环境名，可组合 zsh + oh-my-zsh + powerlevel10k：
# 1. 安装 oh-my-zsh（需联网；需已能用 curl / git，见上文底座文）
sh -c "$(curl -fsSL https://raw.githubusercontent.com/ohmyzsh/ohmyzsh/master/tools/install.sh)"
# 2. 安装 powerlevel10k 主题
git clone --depth=1 https://github.com/romkatv/powerlevel10k.git \
${ZSH_CUSTOM:-$HOME/.oh-my-zsh/custom}/themes/powerlevel10k
编辑 ~/.zshrc，将 ZSH_THEME="..." 改为 ZSH_THEME="powerlevel10k/powerlevel10k"，执行 source ~/.zshrc 后按向导完成配置即可。Ubuntu 默认 bash 时可先 sudo apt install zsh 并 chsh -s $(which zsh) 再装。
Windows 用户在 VSCode / Cursor 里把集成终端切成 WSL（见 VSCode与Cursor简明教程 第五节），不要长期在纯 PowerShell 里跟科学软件较劲。
三、基础工具安装（按顺序）
下面按推荐顺序装，每步装完用「验证」命令看一眼，确认没问题再往下走。
步骤 1：安装 VSCode 或 Cursor
| 工具 | 怎么装 |
|---|---|
| VSCode | 官网 下载；Mac 也可 brew install --cask visual-studio-code |
| Cursor | cursor.com 下载；可一键导入 VSCode 的设置和扩展 |
建议必装扩展： Python、Jupyter；以后要连集群，再加 Remote – SSH。
更多编辑器技巧见 VSCode与Cursor简明教程。
步骤 2：安装 Git
若已按 Mac与Ubuntu开发环境配置（或 Windows 的 WSL2安装与配置 + Ubuntu 节）打好底座，多半已经有 git。先验证：
git --version
没有的话，各平台补装方式见 Git简明使用教程 第二节。然后告诉 Git 你是谁（全局只需配一次；名字和邮箱会出现在 commit 记录里）：
git config --global user.name "你的名字"
git config --global user.email "你的邮箱"
邮箱建议与 GitHub / Gitee 注册邮箱一致。查看 / 修改配置、本仓库单独覆盖，以及 commit / push 日常用法，一律见 Git简明使用教程，本文不展开。
步骤 3：安装 Miniconda
Miniconda 用来创建和管理 Python 环境。本站平台统一用 conda 命令（创建环境、装包、导出 yml）。
为何不用 Mamba？ 部分 Mac（尤其 Apple Silicon） 上 Mamba / micromamba 与 conda-forge 组合偶发求解失败、环境损坏或和系统库冲突；为减少踩坑，本文与
myenv部署一律写conda。若你在 Linux 集群上更熟 Mamba，可自行把下文conda换成mamba（语法大多相同），见 Conda与Mamba简明教程。
- 下载安装 Miniconda
- 让终端「认识」conda（按你的 Shell 选一行）：
conda init zsh # Mac / Ubuntu (Zsh)
conda init bash # Ubuntu / WSL (Bash)
conda init powershell # Windows PowerShell（未用 WSL 时；WSL 用户按 bash/zsh，见 [WSL2安装与配置](T02-WSL2安装与配置.md)）
- 关掉终端再打开（或新开一个标签），看到提示符前面有
(base)就说明 conda 生效了：
conda --version
装环境、查包的细节见 Conda与Mamba简明教程（文中若出现 mamba，本平台按 conda 理解即可）。
四、分子模拟 Python 环境（myenv）
别往系统自带的 Python 里硬塞包——容易和别的软件冲突。建议单独建一个叫 myenv 的环境，专门放分子模拟用的分析、可视化库。
方式 A：一键部署（推荐）
我们准备好了 myenv.zip，里面是一份配好的 myenv.yml，下载解压后一条命令就能建好环境。不想下 zip 也可以看 第五节 自己一步步装。
📥 Python 虚拟环境配置文件包 (myenv.zip) — 含预置 myenv.yml。
下载解压后，在终端执行：
cd /path/to/myenv.yml # 替换为解压后文件所在目录
conda env create -f myenv.yml
conda activate myenv
Tips：
– 安装时保持网络畅通；国内慢的话，可在 Conda与Mamba简明教程 第四节配镜像
–conda env create可能比 Mamba 慢一些，耐心等求解结束即可
– 嫌每次手动conda activate myenv麻烦？把这一行写到~/.zshrc或~/.bashrc末尾，新开终端会自动进环境
这份 myenv.yml 里已经有 Python 3.12、JupyterLab 和第五节列的那些核心库。
方式 B：分步手动安装
想搞清楚每个包装来干什么，或者 zip 下载不方便，就按 第五节 自己敲命令。环境名同样叫 myenv，效果和方式 A 一样。
五、分步手动安装核心库
下面命令假设你已经会 conda；不会的话先看 Conda与Mamba简明教程（本平台统一用 conda，不必装 Mamba）。
conda create -n myenv python=3.12 -y
conda activate myenv
1. JupyterLab
conda install jupyterlab ipykernel -y
python -m ipykernel install --user --name myenv --display-name "Python (myenv)"
第二行让 VSCode / Jupyter 的下拉菜单里出现 Python (myenv) 可选。用法见 JupyterLab简明教程。
2. 科学计算与轨迹分析
确认终端前面有 (myenv)，再一行一行执行（可以整段复制，但出错时方便定位是哪一步）：
# 基础科学计算与绘图
conda install numpy pandas scipy matplotlib -y
# 前端插件（部分可视化依赖）
conda install nodejs -y
# MD 轨迹分析
conda install -c conda-forge mdanalysis mdanalysistests -y
# 轨迹三维可视化（Jupyter 交互）
conda install -c conda-forge nglview -y
# 轨迹分析与光线追踪渲染
conda install -c conda-forge freud fresnel -y
3. 结构与可视化扩展（pip）
pip install py3Dmol pythreejs plato-draw # 分子 / 粒子可视化
pip install ase # 原子结构建模
pip install packmol # 多组分混合体系构建
4. 选装
pip install wulffpack # 晶体颗粒 Wulff 形状构造
5. 各库是干什么的？
| 库 | 含义 |
|---|---|
| NumPy / Pandas / SciPy | 算数、整理表格、科学计算的基础砖块 |
| Matplotlib | 画二维曲线、散点图等 |
| MDAnalysis | 读 MD 轨迹（xtc、dcd 等），算 RDF、扩散等 |
| nglview | 在 Notebook 里转着看三维轨迹 |
| freud / fresnel | 更高级的轨迹统计和渲染 |
| py3Dmol / pythreejs | 轻量级分子、晶体结构可视化 |
| ASE | 搭原子、纳米、晶体结构 |
| Packmol | 把很多分子「塞进」一个盒子里做初始结构 |
| wulffpack | 晶体颗粒形貌（选装） |
具体参数和 API 以各包官方文档为准。
六、和编辑器连上，跑一下试试
环境装好了，还要让 VSCode / Cursor 认到 myenv，不然它可能跑去用系统 Python。
1. 在 VSCode / Cursor 里选对环境
Ctrl/Cmd + Shift + P→ 输入 Python: Select Interpreter → 选带myenv的那一项，例如Python 3.12.x ('myenv')- 打开
.ipynb时，右上角 Select Kernel → 选 Python (myenv)
图文步骤见 VSCode与Cursor简明教程 第六、七节。
2. 快速自检（终端或 Notebook 里跑）
先确认用的是 myenv（终端提示符前应有 (myenv)）：
conda activate myenv
终端里： 先启动 Python，再贴下面几行（或把同样内容存成 .py 后执行 python check_myenv.py）：
python
进入 >>> 提示符后粘贴：
import numpy as np
import MDAnalysis as mda
import nglview as nv
import ase
print("myenv OK:", np.__version__)
退出交互：exit() 或 Ctrl+D（Windows 上常为 Ctrl+Z 再回车）。
Notebook 里： 选好 Python (myenv) 内核后，把同样几行放进一个代码单元格运行即可，不必再先敲 python。
没有红字报错、能打印出版本号，就说明核心库 OK。
3. 启动 JupyterLab（可选）
喜欢在浏览器里写 Notebook 的可以：
conda activate myenv
cd /path/to/your/project
jupyter lab
终端会吐出一个 http://127.0.0.1:8888/... 链接，用浏览器打开即可。和 VSCode / Cursor 不冲突，.ipynb 文件两边都能开。
七、集群工作平台
课题组服务器、学校超算大多是 Linux。你可以在集群上也建一份同样的 myenv，本地用 Remote – SSH 连上去写代码、跑终端——就像远程桌面，但轻量很多。
外网要求： 在集群上部署平台（
conda env create -f myenv.yml、装 Miniconda、首次 Remote SSH 下载 VS Code / Cursor Server）时，登录节点需要能访问外网，或管理员提供的校内软件源 / HTTP 代理。部分集群默认禁止出站，装之前先问管理员；连不上、下载一直转圈，也先查这一项。详见 VSCode与Cursor远程连接集群 第一节。
1. 本地怎么连上去？
- 在 VSCode / Cursor 里装好 Remote – SSH 扩展
- 按 SSH密钥与config配置简明教程 配好密钥和
~/.ssh/config别名 - 连上后打开远程项目文件夹，终端里
conda activate myenv
更细的图文见 VSCode与Cursor远程连接集群；怎么传轨迹见 本地与集群文件传输；怎么交作业见 集群与SLURM简明教程。
左下角出现 SSH: 主机名 就说明连上了；此时选的 Python 解释器、Notebook Kernel 都应该是远程的
myenv，不是本机的。
2. 登录节点 vs 计算节点（很重要！）
集群一般分两种机器，规矩不一样：
| 节点 | 可以干什么 | 不要干什么 |
|---|---|---|
| 登录节点 | 传文件、改代码、编译、sbatch 交作业 |
跑大轨迹分析、长时间 Jupyter、占满 CPU |
| 计算节点 | 重计算、交互式 Jupyter、VS Code Server | — |
登录节点是「前台」，计算节点才是「厨房」。 几 GB 的轨迹后处理、跑一整天的 Python，务必放到计算节点（通过 SLURM 等调度系统申请）。JupyterLab 和 VS Code Server 也要开在计算节点上，具体问集群管理员。
八、生态里还有哪些常用工具？
本站平台侧重 Python 分析这条线；真正跑 MD、写论文时，往往还会用到：
| 工具 | 含义 | 本站教程 |
|---|---|---|
| Lammps | 经典分子动力学「发动机」 | Lammps安装简明教程 |
| VMD | 看轨迹、做分析的老牌可视化软件 | VMD安装与高端渲染简明教程 |
| Markdown | 写说明、记实验笔记的轻量格式 | Markdown简明教程 |
| LaTeX / Overleaf | 写论文排版 | LaTeX与Overleaf简明教程 |
| Obsidian | 本地笔记库，适合攒文献和参数 | Obsidian知识库搭建 |
九、延伸阅读
本站教程在站点上按 分类与标签 浏览，不设全文总目录。对外短入口见 资源导航。
与本文直接相关的下一步：
| 主题 | 教程 |
|---|---|
| 概念（可选） | 分子动力学模拟概述、经典全原子力场 |
| 版本与环境 | Git简明使用教程、Conda与Mamba简明教程 |
| 编辑与 Notebook | VSCode与Cursor简明教程、JupyterLab简明教程 |
| 集群 | SSH密钥与config配置简明教程、集群与SLURM简明教程、VSCode与Cursor远程连接集群 |
| ML 方向 | 机器学习与分子模拟导引 |
更完整的串联见文末「学习路径」；其余工具教程请在站点分类中按需打开。
十、常见问题
1. conda env create 很慢或失败
- 网络慢就配国内镜像（见 Conda与Mamba简明教程 第四节）；求解久属正常，可多等一会
- Mac 上请用
conda，不要强行装 Mamba 当「加速捷径」——兼容性不如 Linux 稳 - 依赖冲突时，新建环境解决，别往
base里硬装项目包
2. VSCode / Cursor 里找不到 myenv
多半是内核没注册。在终端执行：
conda activate myenv
python -m ipykernel install --user --name myenv --display-name "Python (myenv)"
然后重启编辑器，再选一次解释器 / Kernel。
3. import MDAnalysis 报错
十有八九是用错 Python 了。终端里 which python 应指向 .../envs/myenv/...；编辑器里选的解释器也要一致。
4. Windows 下部分 pip 包装不上
别和 PowerShell 较劲——进 WSL 按 Linux 流程装，和集群环境一致，省心很多。
5. Git 误把几 GB 轨迹提交上去了
在项目根目录加 .gitignore，把大轨迹挡在门外：
*.dcd
*.xtc
*.lammpstrj
__pycache__/
.ipynb_checkpoints/
更多 Git 习惯见 Git简明使用教程。
十一、小结
- 平台组合：终端 + VSCode/Cursor + Git + Conda + JupyterLab + 专用环境
myenv。 - 搭建顺序：本机底座（Mac与Ubuntu开发环境配置 或 WSL2安装与配置）→ 编辑器与 Git → Miniconda →
conda env create -f myenv.yml（或第五节手装）。 - 编辑器：解释器和 Notebook Kernel 都选 Python (myenv)。
- 集群：登录节点需能访问外网（或校内镜像）才能装
myenv、首次 Remote SSH；改代码用 Remote SSH，重活放计算节点。 - 卡住了：把终端完整报错复制去搜，或翻对应工具的专题教程。
走完这些，本地和远程的分子模拟开发环境就齐了，可以开始跟 MolSimulX 的案例教程。
学习路径
前置阅读：
- 分子动力学模拟概述（可选）
- Windows：WSL2安装与配置
- Mac / Ubuntu：Mac与Ubuntu开发环境配置
- 本机装引擎：Lammps安装简明教程
- Linux终端与Shell简明教程
- SSH密钥与config配置简明教程
- Git简明使用教程
- Conda与Mamba简明教程
下一步（平台线）：
- VSCode与Cursor简明教程
- JupyterLab简明教程 —— 工具操作；规范见 Jupyter Notebook科研使用规范
- 本地与集群文件传输 → VSCode与Cursor远程连接集群 → 集群与SLURM简明教程
下一步（分析与示例）：
- NumPy与Matplotlib简明教程
- MDAnalysis轨迹分析入门
按需（工作流与写作 / 机器学习）：
- 科研项目目录结构规范、从模拟到论文图的工作流、数据管理与备份
- 机器学习与分子模拟导引