企业官网建设流程全解析

上个月帮课题组同事在新买的 Win11 笔记本上搭 MLatom 计算环境，前后折腾了大半天才把环境理顺。回头看，大部分时间其实都耗在 Windows 原生环境下的 Python 依赖冲突、路径分隔符、权限问题这些烂事上。后来干脆全部迁移到 WSL2 里重装，连下载带配置不到一小时就跑通了。这篇就是把那次完整的落地过程记录下来：Window11 上启用 WSL2、安装 Ubuntu 22.04、配置 conda 环境，最后把 MLatom 装好并验证可用。

这篇文章适合两类人：一是刚接触 WSL2 想搭科学计算环境的新手，照着一步步做基本不会卡；二是已经在 Windows 上装过 MLatom 或其他计算化学包、被各种版本问题折磨过的人。读完你能清楚地知道每个环节为什么要这么操作，遇到报错时怎么定位，以及哪些坑是完全可以提前避开的。

1. 为什么我会坚持在 WSL2 里搭 MLatom，而不是 Windows 原生环境

1.1 Windows 原生环境跑科学计算的三层烦恼

先说最直观的路径问题。Windows 用反斜杠\和盘符C:，Linux 用正斜杠/和挂载点，很多 Python 包会在内部拼接路径，一旦遇到硬编码的路径分隔符就直接崩。比如跑 MLatom 的 example 脚本时，有时候报错信息里出现C:\Users\xxx和/home/xxx混在一起，排查起来非常头疼。

其次是编译链问题。PyTorch、ASE、SciPy 这些科学计算包在 Linux 下基本是官方优先支持，Windows 侧的安装则经常需要本地编译。本地编译意味着你必须装好 MSVC、CMake、gfortran，还要指望它们版本匹配。我在一台干净的新机器上试过，光是让一个老版本的扩展包在 Windows 上编译通过，就折腾了半个晚上。而在 Linux 下，大部分预编译 wheel 直接装，几秒钟的事。

第三是权限模型。Windows 的文件夹权限、杀毒软件实时扫描、只读属性这些问题，会让某些科学计算工具产生很奇怪的副作用。比如一个需要写临时文件的脚本，在 Linux 下一切都是文件、权限清晰，在 Windows 下可能因为杀毒软件锁定了文件导致程序挂起。这类问题不是不能解决，但每次都要多花时间去排查。

1.2 WSL2 是"真 Linux 内核"，不是虚拟机软件

WSL2 和 WSL1 有本质区别。WSL1 是一个系统调用翻译层，兼容性有限，很多 Linux 特有的行为不一致。WSL2 则是在轻量虚拟机里跑一个真正的 Linux 内核，这意味着你在 Ubuntu 里执行的每一条命令、装的每一个包，行为都和一台真实的 Linux 服务器基本一致。

相比传统虚拟机，WSL2 的启动是秒级的，内存占用也小，还能直接访问 Windows 文件系统。日常打开终端就进 Linux，不用经历完整的开机启动流程。对于做计算的人来说，WSL2 的性能损失很小，CPU 密集任务基本接近原生水平。

1.3 MLatom 的依赖生态决定了 Linux 是第一优先

MLatom 是一个 AI 增强的量子化学与分子模拟工具包，大量依赖 PyTorch、NumPy、SciPy、ASE 这些生态。PyTorch 在 Linux 上的 CUDA 支持最完整、更新最快，很多针对科学计算的扩展库也都优先保证 Linux 兼容性。更关键的是，绝大多数超算集群和高性能计算节点都是 Linux 系统，你在本地 WSL2 里跑通的计算流程，迁移到服务器上几乎是无缝的。

这也是我特别推荐在 WSL2 里搭建的原因之一：本地开发环境和生产环境同构，能少踩很多"本地能跑，服务器跑不了"的坑。

2. 装 WSL2 之前先解决三个老问题：虚拟化、功能开关、内核更新卡住

2.1 先确认 CPU 虚拟化已经打开

WSL2 依赖虚拟化技术。如果你的 CPU 虚拟化没启用，后面会直接报错"此计算机上未启用虚拟化，请确保计算机固件设置中已启用虚拟机平台"。

检查方法很简单：打开任务管理器，切到"性能"选项卡，点 CPU，右下角会显示"虚拟化：已启用"或"已启用"。如果显示"未启用"，就需要进 BIOS/UEFI 开启。

Intel 平台一般是找Intel Virtualization Technology、Intel VT-x，AMD 平台找SVM Mode，部分主板也直接叫Virtualization、Virtualization Technology。不同主板按键不一样，常见的有 Del、F2、F1、F10，进去之后在 Advanced 或 Security 菜单下找。启用后保存重启，再回来确认。

这一步千万别跳过，我见过太多人在软件层面折腾半天，最后发现只是 BIOS 里没开虚拟化。

2.2 Win11 家庭版没有 Hyper-V 开关？其实你根本不需要它

网上搜索"window11家庭版没有hyper-v开关"会出现很多帖子。这里说清楚：WSL2 依赖的不是完整的 Hyper-V 角色，而是两个更底层的 Windows 功能——"适用于 Linux 的 Windows 子系统"和"虚拟机平台"。家庭版的可选功能列表里确实没有 Hyper-V 的管理界面，但这不影响装 WSL2。

直接在管理员 PowerShell 里执行：

dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart

或者用：

Enable-WindowsOptionalFeature -Online -FeatureName Microsoft-Windows-Subsystem-Linux,VirtualMachinePlatform

执行完重启电脑。重启后可以用下面命令确认功能确实生效：

Get-WindowsOptionalFeature -Online -FeatureName VirtualMachinePlatform

State 显示 Enabled 就说明没问题。这一步做完，家庭版和 WSL2 之间的最大障碍就清除了。

2.3 wsl --update 卡住怎么办

Win11 安装 WSL2 的内核更新时，wsl --update命令如果一直卡住，大概率是网络问题，因为内核更新包通常从微软或 GitHub 下载。这时候不要死等，有两个替代方案。

第一个方案是去微软官方商店安装 WSL 应用。商店版 WSL 自带较新的内核，装完后在 PowerShell 里执行wsl --version能看到版本信息。

第二个方案是去 Microsoft/WSL 的 GitHub Releases 页面手动下载内核安装包（.msi 或 .msixbundle），下载完双击安装，再执行wsl --update，一般就能正常识别。

如果你之前用的是 WSL1，装完新内核后需要把发行版迁移到 WSL2：

wsl --set-version Ubuntu-22.04 2

迁移完成后用wsl -l -v查看，VERSION 列显示 2 就是成功了。

3. 从 wsl --install 到 Ubuntu 22.04：安装、搬家、初始化一整套

3.1 一条命令装好 WSL2 和 Ubuntu 22.04

在管理员 PowerShell 里执行：

wsl --install -d Ubuntu-22.04

这个命令会自动启用必要的 Windows 功能、下载 WSL2 内核、安装 Ubuntu 22.04 发行版。如果系统提示需要重启，先重启再继续。

第一次启动 Ubuntu 时会让你设置 Linux 用户名和密码。这个用户名不要求跟 Windows 用户名一致，密码输入时终端不显示字符是正常的，别以为键盘坏了。

装完后回到 PowerShell，执行：

wsl -l -v

确认 Ubuntu-22.04 的 VERSION 是 2。如果是 1，执行前面提到的wsl --set-version迁移。

顺带设置默认版本为 2：

wsl --set-default-version 2

这样以后安装其他发行版时都会走 WSL2。

3.2 别让 C 盘爆掉：把整个 WSL 搬到 D 盘

Miniconda 加上科学计算依赖，轻松吃掉 20 到 30GB 空间。如果你的 Windows 系统盘比较紧张，建议一开始就把 WSL 系统搬走。步骤其实就是导出、注销、导入三步。

先在 PowerShell 里：

wsl --shutdown wsl --export Ubuntu-22.04 D:\wsl\ubuntu.tar

导出完成后：

wsl --unregister Ubuntu-22.04 wsl --import Ubuntu-22.04 D:\wsl\ubuntu D:\wsl\ubuntu.tar

需要注意：wsl --unregister会删除原系统里的所有文件，所以执行前一定要确认 tar 包完整导出。导入后系统默认会用 root 用户登录，这不符合我们的使用习惯。进入 Ubuntu 后，编辑/etc/wsl.conf：

[user] default = 你的用户名

保存后重启 WSL，再进入就是自己的用户了。

3.3 进系统后的基础初始化

进入 Ubuntu 后先做两件事：换源和装基础工具。Ubuntu 22.04 的软件源配置在/etc/apt/sources.list。先备份再替换：

sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak sudo sed -i 's|http://archive.ubuntu.com|https://mirrors.tuna.tsinghua.edu.cn|g' /etc/apt/sources.list sudo sed -i 's|http://security.ubuntu.com|https://mirrors.tuna.tsinghua.edu.cn|g' /etc/apt/sources.list sudo apt update

然后装基础工具：

sudo apt install -y build-essential git curl wget unzip

build-essential包含 gcc、g++、make 等编译工具，后面装一些需要编译的 Python 包会用到。顺手确认一下系统信息：

cat /etc/os-release uname -a

看到 Ubuntu 22.04 和 Linux 内核版本号，基础系统就算就位了。

4. 配置 conda：先理解环境隔离，再动手安装 Miniconda

4.1 为什么坚持用 conda 而不是直接 pip 一把梭

MLatom 依赖的 PyTorch、SciPy、ASE 这些包之间经常有版本联动，如果你把所有东西都装在系统 Python 或 conda 的 base 环境里，今天装这个项目、明天装那个项目，很快就会出现版本冲突。conda 的核心价值就是环境隔离：每个项目一个独立环境，互不干扰。

打个比方，系统 Python 是一个公共厨房，大家都在里面做饭，调料混着用；conda 虚拟环境是每人一个独立小厨房，你的姜葱蒜和别人的互不串味。做计算化学的人手上很可能同时有好几个项目，环境隔离不是可选项，是刚需。

Anaconda 和 Miniconda 的区别也很简单：Anaconda 是一个大礼包，预装了很多数据科学包，体积大；Miniconda 只带 conda 本身和 Python，需要什么装什么。做 MLatom 环境搭建，用 Miniconda 就够了。

4.2 Miniconda 下载与安装

进入 Ubuntu 终端，用清华镜像下载安装脚本：

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh

如果镜像下载速度不理想，也可以直接用官方源：

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

然后执行：

bash Miniconda3-latest-Linux-x86_64.sh

安装过程中一直回车阅读协议，输入 yes 同意，安装位置默认在~/miniconda3。最后会问你是否运行conda init，输入 yes，它会自动把 conda 写进~/.bashrc。

安装完重新加载配置：

source ~/.bashrc

验证：

conda --version

如果每次打开终端不想自动激活 base 环境，可以关闭自动激活：

conda config --set auto_activate_base false

我个人的习惯是关闭自动激活，需要时手动conda activate进入某个环境，避免 base 被无意中污染。

4.3 conda 换源，让创建环境不再等到天荒地老

默认 conda 使用的官方源在国外，国内网络环境下创建环境经常卡住。修改~/.condarc配置清华源：

channels: - defaults show_channel_urls: true default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 custom_channels: conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

保存后执行：

conda clean -i

同时把 pip 源也换掉：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

这样后续用 pip 安装 Python 包时速度也会快很多。

5. MLatom 安装实战：独立环境、依赖处理与首次验证

5.1 MLatom 是什么，以及为什么单独建环境

MLatom 是一款开源的 AI 增强量子化学与分子模拟软件，支持机器学习势能、光谱预测、分子动力学、QM/MM 结合等多种计算任务。它通过命令行和 Python API 两种方式使用，对计算化学研究者来说是一个衔接"传统量子化学"和"机器学习"的实用工具。

MLatom 的依赖链比较复杂，涉及 NumPy、SciPy、ASE、PyTorch 等，不同版本之间兼容性敏感。所以务必为它单独创建一个 conda 环境，不要跟 base 或者其他项目混用。

5.2 创建 mlatom 环境并安装

创建独立环境，Python 版本选择 3.11，这个版本在 MLatom 当前版本下兼容性比较好：

conda create -n mlatom python=3.11 -y conda activate mlatom

激活后确认一下当前解释器：

which python

然后安装 MLatom。稳定版用 PyPI：

pip install mlatom

如果想要最新开发版，可以从 GitHub 安装：

pip install git+https://github.com/dralgroup/mlatom.git

安装完成后验证：

mlatom -v

或者用 Python 导入测试：

python -c "import mlatom; print(mlatom.__version__)"

能正确输出版本号，就说明核心安装成功。如果 pip 在安装过程中因为缺少某些本地库报编译错误，先把 numpy、scipy、pandas 手动装好再重试：

pip install numpy scipy pandas pip install mlatom

5.3 首次运行的认证、PyTorch 后端和 GPU 怎么取舍

MLatom 第一次运行时会提示你进行免费注册，完成学术许可确认。具体流程按官方 README 的提示操作即可，一般只需要注册一个账号并填写 token，整个过程几分钟。

MLatom 的机器学习模块可以通过 PyTorch 作为后端运行。默认安装的 PyTorch 是 CPU 版，刚开始接触时 CPU 完全足够跑一些小分子的示例。等需要训练大规模机器学习势能或者做大批量计算时，再考虑 GPU。

如果你确认要上 GPU，先保证 Windows 侧装的是支持 WSL 的 NVIDIA 驱动，然后在 mlatom 环境里按 PyTorch 官方给出的命令安装 CUDA 版。比如：

pip install torch --index-url https://download.pytorch.org/whl/cu121

具体 CUDA 版本号建议去 PyTorch 官网用生成配置工具选择，因为不同时期推荐的版本不一样。装完用下面命令验证能否正常调用 GPU：

python -c "import torch; print(torch.cuda.is_available())"

输出 True 说明 WSL2 里的 GPU 透传已经接通。

6. 把 VS Code 和 PyCharm 接上 WSL 里的 conda 环境

6.1 VS Code Remote-WSL：最省事的开发方式

VS Code 的 Remote-WSL 功能可以理解为：编辑器界面跑在 Windows 上，但所有代码运行、终端、调试都在 WSL 里完成。使用方式非常简单，在 Ubuntu 终端里进入你的项目目录：

cd ~/mlatom-tests code .

VS Code 会自动打开并连接 WSL。接着安装 Python 扩展，按 Ctrl+Shift+P 打开命令面板，选择 Python: Select Interpreter，然后选中mlatom环境。这个环境的 Python 路径一般是：

/home/你的用户名/miniconda3/envs/mlatom/bin/python

你会发现 conda 管环境、VS Code 管编辑，两者各司其职。很多人问 conda 和 VS Code 的区别，其实根本不冲突：conda 负责提供隔离的 Python 运行时，VS Code 负责让你愉快地写代码。

6.2 PyCharm 配置 WSL 解释器

如果你习惯 PyCharm，配置也不复杂。打开 Settings → Project → Python Interpreter，点击 Add Interpreter，选择 WSL，然后选择对应的 Linux 发行版。

关键点是填对 Python 解释器路径。可以先在 WSL 终端里执行which python拿到完整路径，一般是：

/home/你的用户名/miniconda3/envs/mlatom/bin/python

把路径填进去后，PyCharm 会自动识别这个环境的包列表，然后你就拥有了一个完整的 Linux 开发环境，还能直接右键运行 Python 脚本。

6.3 文件互通怎么用才合理

WSL2 和 Windows 之间的文件可以互相访问。Windows 盘在 WSL 里挂载在/mnt/c，而 WSL 的系统文件夹也可以从 Windows 的文件资源管理器地址栏输入\\wsl$访问。

但这里有个重要的性能经验：如果你把大量小文件放在/mnt/c下运行计算或训练，速度会明显变慢，因为跨文件系统的 I/O 开销很大。建议代码、conda 环境、以及频繁读写的临时文件全部放在 WSL 的 Linux 文件系统里，比如/home/你的用户名/。体积大、不频繁读写的输入数据集可以留在 Windows 盘，通过/mnt/c/...路径访问。

7. 踩坑实测记录：我整理了一份可以直接对着排查的清单

7.1 高频问题对照表

.wslconfig示例，放在 Windows 的用户目录下，比如C:\Users\你的用户名\.wslconfig：

[wsl2] memory=8GB processors=4 swap=8GB

修改后执行wsl --shutdown再重新进入，配置生效。这样 WSL 不会在后台无节制地吃内存，日常使用 Windows 也不受影响。

7.2 给第一次配置的人几条实用建议

第一，不要什么事都往 conda 的 base 环境里塞。环境隔离的价值在于：即使你把一个环境搞崩了，其他项目完全不受影响。我为 MLatom 单独建环境，也是为了将来可以放心地升级 PyTorch 或者换 Python 版本。

第二，养成备份环境的习惯。配好一套可用的环境后，顺手导出一份清单：

conda env export > mlatom_env.yml

以后要重建环境，一行命令搞定：

conda env create -f mlatom_env.yml

第三，遇到报错先判断是 Windows 层问题还是 Linux 层问题。比如 WSL2 无法启动，多半是虚拟化或内核问题；conda 命令找不到，多半是 PATH 或 Shell 配置问题。分清楚边界再去网上搜，效率高很多。

第四，建议用一个最简单的 MLatom 示例作为整个环境的验收标准。跑通一个单点能计算，能正常输出能量数值，就说明从 WSL2 到 conda 到 MLatom 的整条链路都通了。后面要接 GPU、要调用外部量子化学程序，都是在这个底座上继续加料。

我自己配完这套环境后最直观的感受是，后续再到服务器上部署 MLatom，几乎就是重复同样的步骤。WSL2 让我把本机和超算之间的距离缩小到几乎可以忽略，这比任何单独的工具优化都更有价值。希望这篇记录能帮你少走一点弯路，把更多时间留给计算本身。