尧图网页设计 
1. Ubuntu 20.04.4 上 Intel oneAPI 与系统 gcc/gfortran 共存编译 VASP 5.4.4 的完整实操VASP 5.4.4 是很多做第一性原理计算的人绕不开的一个版本而 Ubuntu 20.04.4 又是实验室服务器里最常见的长周期支持系统。问题在于当你装完 Intel oneAPI 之后系统里其实同时存在两套编译器一套是 Ubuntu 自带的 gcc/gfortran另一套是 oneAPI 里的 icc/ifort新版叫 icx/ifx。这两套东西如果环境变量没理清楚make的时候就会一会儿调用系统 gfortran、一会儿调用 oneAPI 的 mpiifort最后报出一堆看不懂的链接错误。这篇笔记聚焦的就是这个场景Ubuntu 20.04.4 装完 Intel oneAPI 后怎么把系统 gcc/gfortran 和 oneAPI 的 MKL、MPI 正确拼在一起编译出能跑的 VASP 5.4.4。我会给出可直接复制的环境变量片段、makefile.include 模板以及一次完整的编译验证动作。另外如果你平时还要调 OpenAI 兼容接口做脚本辅助或者数据处理我也会说明怎么把 endpoint 统一改到 TaoToken 来管理 API 调用避免到处散落 key。先说清楚适合谁看你已经在 Ubuntu 20.04.4 上装好了 Intel oneAPIBase Toolkit HPC Toolkit系统里gcc -v、gfortran -v都能正常输出手里有vasp.5.4.4.tar.gz和对应的vasp.5.lib.tar.gz但make就是过不去或者编译出来的vasp_std一跑就段错误。下面按步骤来。2. 前置准备oneAPI 环境变量加载与 gcc/gfortran 共存检查在动 makefile 之前先把环境变量这件事彻底搞明白。oneAPI 装完之后默认不会自动 source你需要手动加载setvars.sh。但加载之后gcc和gfortran的指向会不会被改掉这是关键。先确认系统编译器还在gcc -v gfortran -v which gcc gfortran正常应该输出/usr/bin/gcc和/usr/bin/gfortran版本是 Ubuntu 20.04.4 自带的 9.4.0 左右。然后加载 oneAPIsource /opt/intel/oneapi/setvars.sh加载完再查一次which icc icx ifort ifx mpiifort echo $MKLROOT这时候MKLROOT应该指向/opt/intel/oneapi/mkl/latest之类的路径。注意setvars.sh默认不会覆盖/usr/bin/gcc所以系统 gcc 还在但CC、FC这些变量可能已经被设成 oneAPI 的编译器了。你可以用echo $CC $FC看一下。我建议的做法是不要依赖全局环境变量而是在 makefile.include 里显式写死编译器路径。这样无论 shell 里 source 了什么编译行为都是确定的。这也是后面模板里我会把FC、CC写成绝对路径的原因。另外VASP 5.4.4 需要 FFTW 接口。oneAPI 的 MKL 自带 FFTW3 wrapper但需要先编译出libfftw3xf_intel.a。这一步很多人漏掉导致链接时报undefined reference to fftw_plan_dft。操作如下cd /opt/intel/oneapi/mkl/latest/interfaces/fftw3xf sudo -s source /opt/intel/oneapi/setvars.sh make libintel64 exit编译完成后会在同目录生成libfftw3xf_intel.a。记住这个路径makefile.include 里要引用。还有一点如果你之前装过build-essential那make、g都有了。没装的话sudo apt-get install build-essential这一步别省VASP 编译过程里有些工具链依赖它。3. 可复制配置makefile.include 模板与关键项逐条说明现在进入核心部分。解压源码mkdir -p ~/vasp cd ~/vasp mv ~/vasp.5.4.4.tar.gz ~/vasp.5.lib.tar.gz . tar -zxvf vasp.5.4.4.tar.gz tar -zxvf vasp.5.lib.tar.gz cd vasp.5.4.4然后从 arch 目录复制模板。VASP 5.4.4 自带arch/makefile.include.intel_linux但那个模板偏旧我直接给你一份改好的、适配 oneAPI 系统 gcc 的版本。先复制cp arch/makefile.include.intel_linux makefile.include然后用编辑器打开把内容替换成下面这份。注意路径里的latest你可以换成实际版本号比如2022.0.2用ls /opt/intel/oneapi/mkl/确认。# 系统 gcc/gfortran 作为宿主编译器oneAPI 提供 MKL 和 MPI FC /opt/intel/oneapi/mpi/latest/bin/mpiifort FCL $(FC) CC /usr/bin/gcc CXX /usr/bin/g # MKL 路径 MKLROOT /opt/intel/oneapi/mkl/latest MKL_PATH $(MKLROOT)/lib/intel64 FFTW_PATH $(MKLROOT)/interfaces/fftw3xf # 预编译头与库 CPP_OPTIONS -DHOST\LinuxIFC\ -DMPI -DMPI_BLOCK8000 -Duse_collective \ -DscaLAPACK -DCACHE_SIZE4000 -Davoidalloc -Duse_bse_te \ -Dtbdyn -Duse_shmem CPP $(FC) -E -P -C -w OFLAG -O2 -ip -qopenmp OFLAG_LOW -O1 OFLAG_HIGH $(OFLAG) OBJ_HIGH $(OBJ) OBJ_LOW $(OBJ) OBJ_NOOPT $(OBJ) # 关键链接 MKL、FFTW wrapper、scaLAPACK BLAS -L$(MKL_PATH) -lmkl_intel_lp64 -lmkl_intel_thread -lmkl_core \ -L$(FFTW_PATH) -lfftw3xf_intel LAPACK -L$(MKL_PATH) -lmkl_intel_lp64 -lmkl_intel_thread -lmkl_core SCALAPACK -L$(MKL_PATH) -lmkl_scalapack_lp64 -lmkl_blacs_intelmpi_lp64 LIB $(SCALAPACK) $(LAPACK) $(BLAS) # 头文件与对象 INCS -I$(MKLROOT)/include -I$(MKLROOT)/include/fftw FFT3D fftmpiw.o fftmpi_map.o fftw3d.o fft3dlib.o几个关键项解释一下。FC用mpiifort而不是ifort因为 VASP 5.4.4 默认走 MPI 并行mpiifort会自动带上 MPI 头文件和链接。CC和CXX保持系统 gcc/g因为 VASP 里 C 代码部分用系统编译器更稳oneAPI 的 icx 有时候对老代码兼容性反而差。BLAS里同时链接了 MKL 和libfftw3xf_intel.a这就是前面编译 FFTW wrapper 的用途。SCALAPACK用mkl_scalapack_lp64配mkl_blacs_intelmpi_lp64这是 Intel MPI 对应的 BLACS。CPP_OPTIONS里的-DMPI和-DscaLAPACK必须开否则并行和分布式矩阵运算用不了。-Duse_shmem是共享内存优化单机多核场景有用。改完保存回到vasp.5.4.4目录先编译 libcd ../vasp.5.lib cp ../vasp.5.4.4/makefile.include . makelib 编译很快生成libdmy.a之类。然后回主目录cd ../vasp.5.4.4 make这一步大概要 40 分钟到 1 小时取决于机器核数。可以用make -j4加速但 VASP 的 makefile 对并行编译支持一般建议先单线程跑通再考虑加速。4. 验证请求编译产物检查与一次完整运行测试编译结束后目录下应该出现vasp_std、vasp_gam、vasp_ncl三个可执行文件。先确认ls -lh vasp_std vasp_gam vasp_ncl file vasp_stdfile输出应该是 ELF 64-bit 可执行文件。然后做一次最小运行测试。VASP 官方自带测试算例在testsuite目录但 5.4.4 的测试套件需要额外下载。更简单的办法是拿一个小的 POSCAR 自己跑。准备一个测试目录mkdir -p ~/vasp_test cd ~/vasp_test放入四个输入文件INCAR、POSCAR、KPOINTS、POTCAR。POTCAR需要你有赝势库这里假设你已经有。INCAR用最简SYSTEM test ENCUT 300 ISMEAR 0 SIGMA 0.05KPOINTS用 Gamma 点Auto 0 Gamma 1 1 1 0 0 0然后运行mpirun -np 4 ~/vasp/vasp.5.4.4/vasp_std如果一切正常你会看到 VASP 输出开头running on 4 total cores ... POSCAR, INCAR and KPOINTS ok, starting setup FFT: planning ... ( 1 )最后出现General timing and accounting informations for this run:并且没有Error字样就说明编译成功。整个过程大概几十秒到几分钟。如果你还想验证 API 调用这条线比如用脚本批量提交任务后回传结果到某个服务可以把 endpoint 统一到 TaoToken。在脚本里设置export OPENAI_BASE_URLhttps://taotoken.net/api export OPENAI_API_KEY你的key这样所有走 OpenAI 兼容协议的调用都会经过同一个入口key 管理也集中。模型对话、coding-plan 这些入口在控制台里都能找到对应配置。5. 本篇常见错排查401、local proxy failed、reading choices 与 OAuth 报错编译和运行过程中报错基本集中在几类。我按真实遇到的顺序列一下。第一类undefined reference to fftw_plan_dft或fftw3xf_intel找不到。这是 FFTW wrapper 没编译或者路径写错。回到makefile.include检查FFTW_PATH是否指向interfaces/fftw3xf并且确认该目录下有libfftw3xf_intel.a。没有就重新make libintel64。第二类mpiifort: command not found。说明 oneAPI 的 MPI 没加载。source /opt/intel/oneapi/setvars.sh之后which mpiifort应该有输出。如果还是没有检查 HPC Toolkit 是否装全/opt/intel/oneapi/mpi/latest/bin/是否存在。第三类error while loading shared libraries: libmkl_intel_lp64.so。运行时报这个说明运行时找不到 MKL 库。解决方法是把 MKL 路径加进LD_LIBRARY_PATHexport LD_LIBRARY_PATH/opt/intel/oneapi/mkl/latest/lib/intel64:$LD_LIBRARY_PATH写进~/.bashrc一劳永逸。第四类API 调用相关报错。如果你在辅助脚本里调接口遇到401 Unauthorized先检查 key 是否过期或者 base_url 是否写对。local proxy failed通常是本地网络配置问题检查http_proxy之类变量是否误设。reading choices报错一般是返回体解析失败可能是模型名写错或者 endpoint 不匹配。OAuth 类报错则多见于 Claude Code 或 Codex 的认证流程需要重新走一遍授权。这里要提醒如果你用 Cline MCP 或者 Codex 的auth.json配置里三件套必须齐全——Base URL、Key、Model ID。缺一个都会认证失败。CC Switch 切换配置时也要确认这三项同步更新。第五类make: *** No rule to make target fftmpiw.o。这是 makefile.include 里FFT3D变量没定义或者被覆盖。检查模板里FFT3D fftmpiw.o fftmpi_map.o fftw3d.o fft3dlib.o这一行是否还在。6. 统一管理 API 调用把 endpoint 改到 TaoToken 的实操编译 VASP 本身不涉及网络但做计算的人往往还有一堆周边脚本批量生成 INCAR、解析 OUTCAR、自动提交任务、用大模型辅助写分析代码。这些脚本如果各自散落着不同的 API key 和 endpoint维护起来很痛苦。我的做法是把所有 OpenAI 兼容调用统一到一个入口。在 TaoToken 控制台创建 key 之后脚本里只需要两个环境变量export OPENAI_BASE_URLhttps://taotoken.net/api export OPENAI_API_KEYsk-你的keyPython 脚本里用openai库的话import os from openai import OpenAI client OpenAI( base_urlos.environ[OPENAI_BASE_URL], api_keyos.environ[OPENAI_API_KEY], ) resp client.chat.completions.create( modelgpt-4o-mini, messages[{role: user, content: 帮我写一个解析 OUTCAR 能量的 Python 函数}], ) print(resp.choices[0].message.content)这样无论你后面换哪个模型只改model参数endpoint 和 key 都不用动。如果你长期跑编码类任务或者 Agent 流程Coding Plan 会更划算额度管理也集中。模型对话入口适合临时验证某个模型输出接入文档里有各语言的完整示例。需要提醒的是不要把 key 硬编码进提交到 git 的脚本里。用环境变量或者.env文件并且把.env加进.gitignore。我见过太多人把 key 推到公开仓库然后被刷爆额度。最后回到 VASP 这条线。编译成功只是第一步真正跑计算时还要根据体系调ENCUT、KPOINTS、ISMEAR。但那是另一个话题了。你先把上面这套环境变量和 makefile.include 跑通vasp_std能正常输出 timing 信息后面的调参才有意义。如果编译过程中遇到模板里没覆盖的报错优先看make输出的最后 20 行链接错误基本都在那里。 Ubuntu 20.04.4 装完 Intel oneAPI 后编译 VASP 5.4.4：gcc/gfortran 环境变量与 makefile.include 配置笔记
1. Ubuntu 20.04.4 上 Intel oneAPI 与系统 gcc/gfortran 共存编译 VASP 5.4.4 的完整实操VASP 5.4.4 是很多做第一性原理计算的人绕不开的一个版本而 Ubuntu 20.04.4 又是实验室服务器里最常见的长周期支持系统。问题在于当你装完 Intel oneAPI 之后系统里其实同时存在两套编译器一套是 Ubuntu 自带的 gcc/gfortran另一套是 oneAPI 里的 icc/ifort新版叫 icx/ifx。这两套东西如果环境变量没理清楚make的时候就会一会儿调用系统 gfortran、一会儿调用 oneAPI 的 mpiifort最后报出一堆看不懂的链接错误。这篇笔记聚焦的就是这个场景Ubuntu 20.04.4 装完 Intel oneAPI 后怎么把系统 gcc/gfortran 和 oneAPI 的 MKL、MPI 正确拼在一起编译出能跑的 VASP 5.4.4。我会给出可直接复制的环境变量片段、makefile.include 模板以及一次完整的编译验证动作。另外如果你平时还要调 OpenAI 兼容接口做脚本辅助或者数据处理我也会说明怎么把 endpoint 统一改到 TaoToken 来管理 API 调用避免到处散落 key。先说清楚适合谁看你已经在 Ubuntu 20.04.4 上装好了 Intel oneAPIBase Toolkit HPC Toolkit系统里gcc -v、gfortran -v都能正常输出手里有vasp.5.4.4.tar.gz和对应的vasp.5.lib.tar.gz但make就是过不去或者编译出来的vasp_std一跑就段错误。下面按步骤来。2. 前置准备oneAPI 环境变量加载与 gcc/gfortran 共存检查在动 makefile 之前先把环境变量这件事彻底搞明白。oneAPI 装完之后默认不会自动 source你需要手动加载setvars.sh。但加载之后gcc和gfortran的指向会不会被改掉这是关键。先确认系统编译器还在gcc -v gfortran -v which gcc gfortran正常应该输出/usr/bin/gcc和/usr/bin/gfortran版本是 Ubuntu 20.04.4 自带的 9.4.0 左右。然后加载 oneAPIsource /opt/intel/oneapi/setvars.sh加载完再查一次which icc icx ifort ifx mpiifort echo $MKLROOT这时候MKLROOT应该指向/opt/intel/oneapi/mkl/latest之类的路径。注意setvars.sh默认不会覆盖/usr/bin/gcc所以系统 gcc 还在但CC、FC这些变量可能已经被设成 oneAPI 的编译器了。你可以用echo $CC $FC看一下。我建议的做法是不要依赖全局环境变量而是在 makefile.include 里显式写死编译器路径。这样无论 shell 里 source 了什么编译行为都是确定的。这也是后面模板里我会把FC、CC写成绝对路径的原因。另外VASP 5.4.4 需要 FFTW 接口。oneAPI 的 MKL 自带 FFTW3 wrapper但需要先编译出libfftw3xf_intel.a。这一步很多人漏掉导致链接时报undefined reference to fftw_plan_dft。操作如下cd /opt/intel/oneapi/mkl/latest/interfaces/fftw3xf sudo -s source /opt/intel/oneapi/setvars.sh make libintel64 exit编译完成后会在同目录生成libfftw3xf_intel.a。记住这个路径makefile.include 里要引用。还有一点如果你之前装过build-essential那make、g都有了。没装的话sudo apt-get install build-essential这一步别省VASP 编译过程里有些工具链依赖它。3. 可复制配置makefile.include 模板与关键项逐条说明现在进入核心部分。解压源码mkdir -p ~/vasp cd ~/vasp mv ~/vasp.5.4.4.tar.gz ~/vasp.5.lib.tar.gz . tar -zxvf vasp.5.4.4.tar.gz tar -zxvf vasp.5.lib.tar.gz cd vasp.5.4.4然后从 arch 目录复制模板。VASP 5.4.4 自带arch/makefile.include.intel_linux但那个模板偏旧我直接给你一份改好的、适配 oneAPI 系统 gcc 的版本。先复制cp arch/makefile.include.intel_linux makefile.include然后用编辑器打开把内容替换成下面这份。注意路径里的latest你可以换成实际版本号比如2022.0.2用ls /opt/intel/oneapi/mkl/确认。# 系统 gcc/gfortran 作为宿主编译器oneAPI 提供 MKL 和 MPI FC /opt/intel/oneapi/mpi/latest/bin/mpiifort FCL $(FC) CC /usr/bin/gcc CXX /usr/bin/g # MKL 路径 MKLROOT /opt/intel/oneapi/mkl/latest MKL_PATH $(MKLROOT)/lib/intel64 FFTW_PATH $(MKLROOT)/interfaces/fftw3xf # 预编译头与库 CPP_OPTIONS -DHOST\LinuxIFC\ -DMPI -DMPI_BLOCK8000 -Duse_collective \ -DscaLAPACK -DCACHE_SIZE4000 -Davoidalloc -Duse_bse_te \ -Dtbdyn -Duse_shmem CPP $(FC) -E -P -C -w OFLAG -O2 -ip -qopenmp OFLAG_LOW -O1 OFLAG_HIGH $(OFLAG) OBJ_HIGH $(OBJ) OBJ_LOW $(OBJ) OBJ_NOOPT $(OBJ) # 关键链接 MKL、FFTW wrapper、scaLAPACK BLAS -L$(MKL_PATH) -lmkl_intel_lp64 -lmkl_intel_thread -lmkl_core \ -L$(FFTW_PATH) -lfftw3xf_intel LAPACK -L$(MKL_PATH) -lmkl_intel_lp64 -lmkl_intel_thread -lmkl_core SCALAPACK -L$(MKL_PATH) -lmkl_scalapack_lp64 -lmkl_blacs_intelmpi_lp64 LIB $(SCALAPACK) $(LAPACK) $(BLAS) # 头文件与对象 INCS -I$(MKLROOT)/include -I$(MKLROOT)/include/fftw FFT3D fftmpiw.o fftmpi_map.o fftw3d.o fft3dlib.o几个关键项解释一下。FC用mpiifort而不是ifort因为 VASP 5.4.4 默认走 MPI 并行mpiifort会自动带上 MPI 头文件和链接。CC和CXX保持系统 gcc/g因为 VASP 里 C 代码部分用系统编译器更稳oneAPI 的 icx 有时候对老代码兼容性反而差。BLAS里同时链接了 MKL 和libfftw3xf_intel.a这就是前面编译 FFTW wrapper 的用途。SCALAPACK用mkl_scalapack_lp64配mkl_blacs_intelmpi_lp64这是 Intel MPI 对应的 BLACS。CPP_OPTIONS里的-DMPI和-DscaLAPACK必须开否则并行和分布式矩阵运算用不了。-Duse_shmem是共享内存优化单机多核场景有用。改完保存回到vasp.5.4.4目录先编译 libcd ../vasp.5.lib cp ../vasp.5.4.4/makefile.include . makelib 编译很快生成libdmy.a之类。然后回主目录cd ../vasp.5.4.4 make这一步大概要 40 分钟到 1 小时取决于机器核数。可以用make -j4加速但 VASP 的 makefile 对并行编译支持一般建议先单线程跑通再考虑加速。4. 验证请求编译产物检查与一次完整运行测试编译结束后目录下应该出现vasp_std、vasp_gam、vasp_ncl三个可执行文件。先确认ls -lh vasp_std vasp_gam vasp_ncl file vasp_stdfile输出应该是 ELF 64-bit 可执行文件。然后做一次最小运行测试。VASP 官方自带测试算例在testsuite目录但 5.4.4 的测试套件需要额外下载。更简单的办法是拿一个小的 POSCAR 自己跑。准备一个测试目录mkdir -p ~/vasp_test cd ~/vasp_test放入四个输入文件INCAR、POSCAR、KPOINTS、POTCAR。POTCAR需要你有赝势库这里假设你已经有。INCAR用最简SYSTEM test ENCUT 300 ISMEAR 0 SIGMA 0.05KPOINTS用 Gamma 点Auto 0 Gamma 1 1 1 0 0 0然后运行mpirun -np 4 ~/vasp/vasp.5.4.4/vasp_std如果一切正常你会看到 VASP 输出开头running on 4 total cores ... POSCAR, INCAR and KPOINTS ok, starting setup FFT: planning ... ( 1 )最后出现General timing and accounting informations for this run:并且没有Error字样就说明编译成功。整个过程大概几十秒到几分钟。如果你还想验证 API 调用这条线比如用脚本批量提交任务后回传结果到某个服务可以把 endpoint 统一到 TaoToken。在脚本里设置export OPENAI_BASE_URLhttps://taotoken.net/api export OPENAI_API_KEY你的key这样所有走 OpenAI 兼容协议的调用都会经过同一个入口key 管理也集中。模型对话、coding-plan 这些入口在控制台里都能找到对应配置。5. 本篇常见错排查401、local proxy failed、reading choices 与 OAuth 报错编译和运行过程中报错基本集中在几类。我按真实遇到的顺序列一下。第一类undefined reference to fftw_plan_dft或fftw3xf_intel找不到。这是 FFTW wrapper 没编译或者路径写错。回到makefile.include检查FFTW_PATH是否指向interfaces/fftw3xf并且确认该目录下有libfftw3xf_intel.a。没有就重新make libintel64。第二类mpiifort: command not found。说明 oneAPI 的 MPI 没加载。source /opt/intel/oneapi/setvars.sh之后which mpiifort应该有输出。如果还是没有检查 HPC Toolkit 是否装全/opt/intel/oneapi/mpi/latest/bin/是否存在。第三类error while loading shared libraries: libmkl_intel_lp64.so。运行时报这个说明运行时找不到 MKL 库。解决方法是把 MKL 路径加进LD_LIBRARY_PATHexport LD_LIBRARY_PATH/opt/intel/oneapi/mkl/latest/lib/intel64:$LD_LIBRARY_PATH写进~/.bashrc一劳永逸。第四类API 调用相关报错。如果你在辅助脚本里调接口遇到401 Unauthorized先检查 key 是否过期或者 base_url 是否写对。local proxy failed通常是本地网络配置问题检查http_proxy之类变量是否误设。reading choices报错一般是返回体解析失败可能是模型名写错或者 endpoint 不匹配。OAuth 类报错则多见于 Claude Code 或 Codex 的认证流程需要重新走一遍授权。这里要提醒如果你用 Cline MCP 或者 Codex 的auth.json配置里三件套必须齐全——Base URL、Key、Model ID。缺一个都会认证失败。CC Switch 切换配置时也要确认这三项同步更新。第五类make: *** No rule to make target fftmpiw.o。这是 makefile.include 里FFT3D变量没定义或者被覆盖。检查模板里FFT3D fftmpiw.o fftmpi_map.o fftw3d.o fft3dlib.o这一行是否还在。6. 统一管理 API 调用把 endpoint 改到 TaoToken 的实操编译 VASP 本身不涉及网络但做计算的人往往还有一堆周边脚本批量生成 INCAR、解析 OUTCAR、自动提交任务、用大模型辅助写分析代码。这些脚本如果各自散落着不同的 API key 和 endpoint维护起来很痛苦。我的做法是把所有 OpenAI 兼容调用统一到一个入口。在 TaoToken 控制台创建 key 之后脚本里只需要两个环境变量export OPENAI_BASE_URLhttps://taotoken.net/api export OPENAI_API_KEYsk-你的keyPython 脚本里用openai库的话import os from openai import OpenAI client OpenAI( base_urlos.environ[OPENAI_BASE_URL], api_keyos.environ[OPENAI_API_KEY], ) resp client.chat.completions.create( modelgpt-4o-mini, messages[{role: user, content: 帮我写一个解析 OUTCAR 能量的 Python 函数}], ) print(resp.choices[0].message.content)这样无论你后面换哪个模型只改model参数endpoint 和 key 都不用动。如果你长期跑编码类任务或者 Agent 流程Coding Plan 会更划算额度管理也集中。模型对话入口适合临时验证某个模型输出接入文档里有各语言的完整示例。需要提醒的是不要把 key 硬编码进提交到 git 的脚本里。用环境变量或者.env文件并且把.env加进.gitignore。我见过太多人把 key 推到公开仓库然后被刷爆额度。最后回到 VASP 这条线。编译成功只是第一步真正跑计算时还要根据体系调ENCUT、KPOINTS、ISMEAR。但那是另一个话题了。你先把上面这套环境变量和 makefile.include 跑通vasp_std能正常输出 timing 信息后面的调参才有意义。如果编译过程中遇到模板里没覆盖的报错优先看make输出的最后 20 行链接错误基本都在那里。