如何在 Linux 上安装 AI 让它自己跑 VASP：TaoToken 统一 Key 配置与 WSL 验证-育师

1. 为什么要在 Linux/WSL 里让 AI 自己跑 VASP

做第一性原理计算的人大概都有同感：VASP 的输入文件不算难写，难的是把 INCAR、POSCAR、KPOINTS、POTCAR 四个文件配得合理，再根据 OUTCAR、OSZICAR 里的能量收敛、力收敛、磁矩变化去判断下一步该调什么。一次结构优化跑几十个小时，中间还要盯着是不是电子步不收敛、是不是离子步震荡，这种重复劳动特别适合交给 AI 智能体来做。

我这次要讲的是在 Linux 或者 Windows 的 WSL 里，装一个能读写本地文件、能执行 shell 命令的 AI 编程工具（以 Trae CN 的 Linux 版为例），再通过 TaoToken 统一 Key 把模型能力接进来，让它自己生成 VASP 输入、提交任务、读输出、判断下一步。整套流程在 WSL 的 Ubuntu 里实测能跑通，不需要你在 Windows 和 Linux 之间来回切。

适合谁看：手上有 VASP 权限、平时在 Linux 服务器或 WSL 里做计算、想让 AI 帮忙处理输入输出和任务编排的研究生和科研人员。你需要的基础是会用apt、会cd到计算目录、知道 VASP 四个输入文件长什么样。下面从装工具开始，一步步给到可复制的配置和验证动作。

2. TaoToken 前置：统一 Key 与接入地址

AI 工具本身只是壳，真正干活的是背后的模型。Trae 这类工具支持自定义模型服务，你可以在设置里填自己的 API 地址和 Key。TaoToken 的作用就是给你一个统一的 Key，把对话模型、编码模型都收敛到一个入口，省得每个工具单独配一遍。

先做两件事。第一，注册并拿到 Key：打开官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，进控制台创建 API Key。第二，记住接入地址，API 基础地址是 https://taotoken.net/api ，注意这个地址后面不加任何查询参数，填到工具里就是它。

创建 Key 的入口在控制台的 API Keys 页面，直接访问 https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite 。Key 一般形如sk-开头的一长串，复制后先存到本地一个安全的地方，别直接写进会提交到 git 的脚本里。

注意：Key 只显示一次，页面关掉就看不到了。建议拿到后立刻写进环境变量或者本地配置文件，不要贴在聊天记录、issue、公开仓库里。

如果你后面要长期跑编码类任务、Agent 类任务，可以了解下 Coding Plan，入口是 https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite 。模型对话的入口在 https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_content=models&utm_campaign=rewrite ，接入文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite 。这几个地址先记着，后面配置和排障会用到。

3. 可复制配置：WSL 装 Trae + config.toml / settings.json 骨架

3.1 WSL 里装 Trae CN 和浏览器

WSL 的 Ubuntu 里装 deb 包很直接。先把安装包下下来，然后apt install本地包。Trae CN 的 Linux 版下载页在 https://www.trae.cn/ide/download ，按你的架构选 x64 的 deb 包。

# 假设安装包已经放到当前目录 sudo apt update sudo apt install ./TraeCN-linux-x64.deb

Trae 首次启动需要浏览器完成登录，而 WSL 默认没有图形浏览器，所以再装一个 Chrome。在 Windows 侧下载好 deb 包，拷进 WSL 的某个目录，比如/mnt/c/Users/你的用户名/Downloads/，然后：

sudo apt install ./google-chrome-stable_current_amd64.deb

装完直接命令行启动浏览器：

google-chrome

登录完成后，以后在 WSL 里一条命令就能打开 Trae：

trae-cn

WSL 环境可能会弹一些提示，比如缺少某些桌面组件，一般不影响使用，点掉继续就行。

3.2 把 TaoToken 接进 Trae 的 settings.json

Trae 支持在设置里配置自定义模型服务。图形界面里找「模型」或「AI 服务」设置，选自定义 OpenAI 兼容接口，填两样东西：Base URL 填https://taotoken.net/api，API Key 填你在控制台创建的那串。保存后工具会拉取可用模型列表。

如果你习惯用配置文件管理，Trae 的用户配置目录一般在~/.config/Trae CN/下，里面会有settings.json。一个可参考的骨架如下，字段名以你实际版本为准，核心是baseUrl和apiKey两项：

{ "ai.providers": { "taotoken": { "type": "openai-compatible", "baseUrl": "https://taotoken.net/api", "apiKey": "sk-你的Key", "models": [ "claude-sonnet-4-5", "gpt-4.1" ] } }, "ai.defaultProvider": "taotoken" }

3.3 给命令行工具用的 config.toml 骨架

有些命令行 AI 工具（比如一些 Agent CLI）用 TOML 配置。下面这份骨架把 provider、base_url、api_key 分开写，方便你换 Key 时只改一处：

# ~/.config/ai-agent/config.toml [provider.taotoken] type = "openai" base_url = "https://taotoken.net/api" api_key = "sk-你的Key" default_model = "claude-sonnet-4-5" [agent] workdir = "/home/你的用户名/vasp_runs" allow_shell = true max_steps = 30

allow_shell = true是让 AI 能执行 shell 命令的关键，没有它 AI 只能读文件不能提交任务。workdir指向你的 VASP 计算根目录，AI 生成的文件都会落在这里。

注意：allow_shell打开意味着 AI 能在你机器上执行命令。建议先在测试目录里跑，别一上来就指向生产计算目录。

4. 验证请求：在 WSL 里跑通一次 VASP 任务

4.1 先确认模型通道是通的

配置完先别急着跑 VASP，先用一个最小请求确认 Key 和地址没问题。用 curl 直接打 TaoToken 的接口：

curl https://taotoken.net/api/v1/chat/completions \ -H "Authorization: Bearer sk-你的Key" \ -H "Content-Type: application/json" \ -d '{ "model": "claude-sonnet-4-5", "messages": [{"role": "user", "content": "回复两个字：通了"}] }'

返回里能看到choices字段和模型回复，就说明 Key 和地址都对。如果返回 401，是 Key 错了；返回 404，多半是 base URL 多写了或漏写了/v1，按文档里的地址为准。

4.2 让 AI 生成一套 VASP 输入

在 Trae 里打开你的计算目录，比如~/vasp_runs/si_bulk，然后给 AI 下指令。指令要具体，把体系、泛函、截断能、K 点都讲清楚，它生成的 INCAR 才靠谱。示例指令：

当前目录是一个硅体相结构优化任务。请生成 VASP 的 INCAR、KPOINTS， 并检查 POSCAR 是否存在。INCAR 要求：PBE 泛函，ENCUT=500， ISMEAR=0 SIGMA=0.05，电子步收敛 1E-6，离子步收敛 1E-4， ISIF=3 允许改变晶胞。生成后把文件写到当前目录。

AI 会读取目录、生成文件。生成完你可以让它自己检查一遍：

ls -l INCAR KPOINTS POSCAR cat INCAR

4.3 提交任务并读输出

确认 POTCAR 已经按元素顺序拼好（这一步通常需要你自己准备，AI 不能替你拿到赝势），就可以提交。WSL 里如果装了 VASP 可执行文件，直接：

mpirun -np 4 vasp_std > vasp.log 2>&1 &

然后让 AI 读OSZICAR和OUTCAR判断收敛情况。指令示例：

读取当前目录的 OSZICAR 和 OUTCAR，告诉我： 1. 电子步是否收敛； 2. 当前离子步的能量和最大受力； 3. 如果没收敛，建议下一步调哪个参数。

AI 会解析输出并给出判断。实测下来，它对「能量还在下降但力已达标」「电子步达到 NELM 上限」这类常见情况的识别是准的，能直接告诉你该加 NELM 还是调 mixing。

4.4 成功结果长什么样

一次跑通的标志是：OUTCAR末尾出现reached required accuracy，OSZICAR最后一行能量稳定，CONTCAR和POSCAR有差异说明结构确实动了。AI 读完这些文件后能复述出最终能量、费米能级、最大受力，并给出「已收敛，可进行下一步静态计算」的结论。到这一步，整条链路就算打通了。

5. 本篇常见错排查

Key 填了但一直 401。先确认 Key 没有多余空格，再确认请求头是Authorization: Bearer sk-xxx。如果是在 Trae 图形界面里填的，检查是不是把 Key 填到了「模型名称」那一栏。

base URL 报 404。TaoToken 的接入地址是https://taotoken.net/api，有些工具会自动补/v1，有些不会。如果工具要求填完整路径，就填https://taotoken.net/api/v1；如果工具自己拼/v1，就只填到/api。两种都试一下，看哪个返回正常。

WSL 里trae-cn启动报缺少库。多半是缺 GUI 依赖，装一下基础库：sudo apt install libgtk-3-0 libnss3 libasound2。如果还是不行，确认你用的是 WSL2 而不是 WSL1，WSL1 对图形程序支持很差。

AI 能读文件但不能执行命令。检查配置里的allow_shell是否为 true，以及工具是否有权限在workdir下执行。有些工具默认沙箱只读，需要在设置里显式打开写和执行权限。

VASP 提交后没输出。先看vasp.log有没有报错，常见的是 POTCAR 元素顺序和 POSCAR 不一致，或者mpirun的进程数和机器核数不匹配。这类问题 AI 读日志也能帮你定位，把vasp.log丢给它问就行。

AI 生成的 INCAR 参数不合理。这是提示词不够具体导致的。把体系类型、是否磁性、是否需要自旋轨道耦合都写进指令，生成质量会明显提升。生成后自己再扫一眼关键参数，别完全放手。

6. 把统一 Key 用顺，让 AI 真正替你跑计算

整套流程跑下来，最省事的地方在于 Key 只用配一次。Trae 里配好 TaoToken 的地址和 Key，命令行 Agent 里再配一份同样的，两边共用同一个 Key，换模型、查用量都在一个控制台里。接入文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite ，遇到字段对不上先翻文档。

如果你只是想让 AI 帮你读 OUTCAR、判断收敛，用模型对话就够了，入口在 https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_content=models&utm_campaign=rewrite 。如果你要让它长期在计算目录里自动生成输入、提交任务、循环判断，那更适合用 Coding Plan，入口在 https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite ，配合allow_shell把重复的提交和读输出交给它。

最后给个实用建议：第一次让 AI 跑 VASP，先拿一个已经算过、你知道结果的小体系做对照。让它生成输入、提交、读输出，然后你拿它的结论和你之前的结果比。对得上，再放到新体系上。这样既验证了配置，也验证了 AI 的判断力，比直接上大体系稳得多。