【学习工作赛道】MD UI：一站式分子模拟工作流管理平台
【标签】
学习工作
0.先和大家打个招呼吧 
大家好，我是一名刚刚结束大一生活的化学专业学生，目前在高分子物理科研课题组参与MD（分子动力学模拟）相关研 究。
在真实的科研过程中，我们经常需要反复修改代码参数、上传服务器文件、提交终端命令、查看日志和下载结果。这些操作本身并不复杂，但非常机械、重复，也很容易打断研究思路。尤其是我们依赖的国际权威分子模拟软件GALAMOST本身没有图形化UI，通常只能通过终端命令运行。每次要在一堆服务器目录和历史案例里找到正在运行的任务，都很容易让人从原本的科研问题中被迫抽离 出来。
更麻烦的是，传统分子模拟工作流往往需要同时打开多个工具：一个用来编辑脚本，一个用来上传文件，一个用来登录服务器提交命令，一个用来查看结果或做可视化分析。对刚进入科研训练的学生来说，这种割裂的流程既不直观，也很容 易出错。
Agent的出现让我看到了改变这种局面的可能。对我个人来说，我一直对计算机技术有比较浓厚的兴趣，大学期间也辅修了一些计算机相关课程。于是我开始思考：能不能在AI的帮助下，自己写一个软件，把这些原本分散、混乱、重复的操作统一 管理起来？
这个项目就是在这样的想 法下诞生的。
因为我有一些基础的程序开发经验，也参加过华为HSD、TRAE ON CAMPUS等线下活动，所以对软件开发流程有基本理解。在确定了基础功能和产品方向之后，我开始尝试把需求交给Trae，一步步 推进这个项目。
坦白说，在复杂推理能力上，Trae国内版模型还有继续提升的空间。但在实际执行任务和反馈过程方面，它给我的体验很深。相比一些“埋头干”的开发工具，Trae在执行每一步任务时会清晰展示thinking、权限申请和操作过程，让我能理解它到底做了什么、改了哪些文件、为什么这么改。这一点对新手开发者或者技术小白非常友好，也在一定程度上避免了AI陷入“梦境 ”后乱改代码。
不避讳地说，在这个复杂项目中，我也使用了ChatGPT、Codex等强大模型和工具的协助。但在整个项目构建过程，以及我对vibe coding的理解和启蒙中，Trae给我留 下了很深刻的印象。
由于科研工作本身的需要，项目中非常详细的开发过程和完整源代码暂时不能完全开放展示。但无论最后是否获奖，我都认为Trae在这个项目中给了我很大帮助，所以我想把这个故事分享出来。也希望大家在比赛中都能取得满意的成绩，并在之后的vibe coding过程中，用AI agent激发出更 多真正有价值的创意。
1. De mo简介
是什么
MD UI是一款面向分子动力学模拟工作流的macOS桌面应用。它将初始构型准备、模拟脚本生成、服务器任务提交、运行状态监控、结果下载和数据后处理整合在同一个可视化界面中，帮助用户更高效、更可靠 地完成一次完 整的分子模拟。
面向谁
MD UI主要面向从事分子模拟、计算化学、材料科学和软物质研究的学生及科研人员，尤其适合需要频繁修改参数、重复提交模拟任务，或者不熟悉服 务器命令和复杂 脚本语法的用户。
主要功能
1.模块化脚本生成与参数配置
用户可以从GALAMOST指令模块库中选择所需模块，通过表单配置参数，并生成可提交的模拟脚本。系统正在从GALAMOST官方手册中提取API索引，逐步建立模块化schema，使脚本生成不再依赖固 定模板，而是由可组合的模拟模块构成。
2.完整的模拟项目与运行历史管理
每个模拟项目都有独立目录，参数、脚本、运行记录和下载结果都会被统一保存。每次提交都会生成独立的`run_id`，避免覆盖历史任务，并通过`run_history.json`记录PID 、运行时间和远程路径，便于复现和追踪。
3.本地与服务器一体化提交和监控
用户可以在界面中完成服务器测试、参数校验、脚本渲染、任务提交、状态检查、日志读取和结果下载。软件通过SSH将任务提交到服务器，并固定使用指定 GPU，降低手动输入命令带来的错 误风险。
4.结果摘要与数据后处理
任务完成后，MD UI会下载运行日志和结果文件，自动生成`resultsummary.json`，并将`data.log`解析为`datatable.json`。用户可以在界面中查看结果摘要、表格数据和基础曲线图，形成从“准备 模拟”到 “分析结果”的完整工作闭环 。
2. Demo创作思路
灵感来源
在真实的分子动力学研究中，一次模拟通常不只是“运行一段代码”。研究人员需要准备初始构型、编写模拟脚本、反复修改参数、登录服务器提交任务、监 控GPU和进程状态，最后还要下载轨迹并进行数据分析。
这些步骤往往分散在代码编辑器、终端、服务器文件夹和多个分析脚本之间。随着项目数量和参数版本增多，很容易出现代码与参数不一致、找不到历史版本、任务 重复提交，或者无法确认某个结果究竟由哪一套配置产生的问题。
因此，我希望 把这些原本割裂的操 作整合成一套连贯、可视化、可追溯的工作流。
想解决的问题
MD UI重点解决以下几个真实痛点：
1.脚本编写门槛高
分子模拟指令数量多、参数复杂， 手写脚本容易遗漏细节或产生语法错误。
2.传统代码难以迁移
科研人员通常已经积累了大 量脚本，不能为了使用图形界面而全部重写。
3.多次模拟难以追踪
同一项 目经常需要反复修改参数。靠手工复制文 件和命名文件夹，很难形成可靠的版本体系。
4.本地与服务器操作割裂
构型生成、模拟执行和后处理可能分 别运行在不同环境，容易把代码提交到错误位置。
5.任务提交存在安全风险
如果重复提交或在同一 GPU上同时运行多个任务， 可能造成服务器过载，因此需要明确的任务检查和提交保护。
6.运行状态不透明
用户需要频 繁切换终端查看命令、进程日志和GPU状态，难以及时发现异常。
为什么选择这个方向
我没有把MD UI做成一个简单的“脚本生成器”，因为生成代码只是整个模拟流程中的一小部分。我 更希望它成为一个覆盖项目创建、参数管 理、脚本生成、任务提交、状态监控和结果分 析的桌面工作台。
在设计中，我做了三个重要取舍：
1.可视化操作与专业代码并存
模块化表单适合快速配置，但代码仍然是科研工作的核心资产。因此， MD UI后续会继续支持导入和识别已有 GALAMOST脚本，而不是把用户限制在固定模板中。
2.优先保证可复现性和服务器安全
每次提交都会保存独立运行记录，避免历史结果被覆盖。远程运行目录采用`runs/<run_id>`结构 ，并通过PID和运行历史管理任务状态 。即使这会增加一些流程约束，也比无记录地反复提交任务更加可靠。
3.采用可扩展的模块配置结构
GALAMOST手册中的API正在被整理成模块schema。未来用户可以通过选择模块和填写参数生成脚本，而不是每个案例 都重新写模板。这样MD UI不会被限定在某一个固定案例上，而是可以逐步扩展到更多模拟体系和后处理流程。
最终，我希望MD UI不只是 减少几次命令输入，而是 让研究人员能够 更清楚地理解、管理和复现整个分子模拟过程，把更多时间投入到科学问题本身。
3. Demo
本项目目前是 本地macOS桌面应用，暂不提供公开在线体验地址。
4. TRAE 实践过程
核心开发会话ID
Ses sion ID：`6a5398aa673312a 5d30b4e42`
说明：贯穿整 个开发周期的主会话。
开发阶段
阶段一：Python Core基 础框架搭建
步骤1：设计模块化任务管理架构
实现项目创建、参数管理、脚本渲 染、任务提交、日志读取和结果下载等核心命令。
主要成果：
创建`c ore/job_manager.py`，实现项目生命周期管理
创建`core/main.py`，使用Typer构建CLI接口
建立服务器配置文 件`configs/servers.yaml`
建立模块模板系统`templates/modules/g alamost_ modules.yaml`
步骤2：实现GALAMOST 远程执行支持
针对服务器环境适配GALAMOS T4的运行方式。
主要成果：
固定服务器使用`CUDA_VISI BLE_DEVICES=3`
GA LAMOST内 部参数保持`gpu=0`
添加Python2.7兼容 层
实现远程PID管理和运行状态检查
步骤 3：添加运行历史和数据后处理
主要成果：
使用`run _history.json`记录每次运行
下载后自动生成`resu ltsummar y.json`
将`data .log`解析为`datatable.json `
阶段二：SwiftUI桌面应用开发
步骤4：构建主界面布局
主要成果：
左侧项目列 表
右侧参 数编辑区
底部操作日志和Pyt hon Core输出
Startup Check、Server I nfo和About面板
步骤5：实现项目管理功能
主要成果：
New P roject弹 窗
Clone Pr oject
Delete Loc al Project
Clean Project
Run H istory展示
步骤6：实现服务器交互功能
主要成果：
Test Server
Load Server Info
Vali date / Render / Submi t安全提交流程
Logs / Download / Status检查
Auto Re fresh Status和Auto Download Finishe d Run
步骤7：实现 结果查看与数据可视化
主要成果 ：
Result Summary结果摘要
Quick Open常用输出文件
Data Table表格展示
Plot简单曲线绘制
阶 段三：发布准备和问题修复
步骤8：修复打包版输 入异常
排查发现，最初`.a pp`打包时使 用shell脚本作 为`CFBundleExecutable`，导致打包版输入框异常。后续改为直接使用真正的Swift可执行文件：
Contents/MacOS/ GalaGUIApp
步骤9：优化窗口布局和尺寸
主要成果 ：
设置最小窗口尺寸
限制Start up Check、About、C ore Output和Operation Log 的高度
修复面板挤压和滚动区域混乱问题
步 骤10：提取 GALAMOST API文档
主要成果：
解析GALAMOST Sphinx手册包
提取20个模块的API索引
创建 `modules_schema.yaml`
开始构建A5B5案例的composer配置
关键 任务记录
|序号|功能|时间|
||||
| 1 |项目 创建/渲染/提交/下载核心命令| 20260712 22:48 |
| 2 | Python2.7 + GALAMOST4远程执行配置| 202607 13 11:19 |
| 3 | DPD A/B Test模块注册| 202 60713 11:24 |
| 4 | Result Summary功能| 20260713 12:21 |
| 5 | Server Info 读取| 20260713 21:27 |
| 6 |一键启 动脚本+环境检查脚本| 20260713 21:42 |
| 7 | macOS App打包脚本| 20260713 21:52 |
| 8 |输入框无法输入问题修复| 20260 713 23:3 3 |
| 9 |窗口布局优化| 20260713 23:45 |
| 10 | GALAMOST A PI索引提取| 20260714 10:14 |
| 11 |模块schema + A5B5 c omposer配置| 20260714 10:40 |
开发工具链
Python Core：Typer、Rich、Jinja2、PyYAML、Paramiko
SwiftUI ：macOS原生桌面应用
项目 结构：CLI与GUI分离，配置文件驱动
远程运行环境：GALAMOST4、Python2.7、 GPU3
开发方式 ：使用Trae进行任务拆分、代码修改、文件生成和调试反馈，并结合ChatGPT、Codex等工具进行方案推敲和问题定位
5.对应的报名审核通过帖子链 接
NanoTherm Lab 是一个面向先进芯片热管理研究的材料—结构—器件协同设计平台，旨在帮助跨学科科研学习者更高效地完成建模、仿真、测试与数据分析流程。
6.补充说明
这个项目对我来说不仅是一次比赛作品，也是一段真实的学习过程。它让我第一次比较系统地把化学科研中的实际痛点，转化为一个可 以运行、可以迭代、可以服务真实工作流的软件 原型。
AI agent没有替我“凭空完成”一个软件，而是在我不断拆解需求、验证结果、修正错误的过程中，成为了一个高效的协作伙伴。这个过程让我更直观地理解了vibe coding的意义：不是放弃思考，而是把人的想法、判断和方向感，与AI的执行力结合起来。
这也是我最想通过这个作品表达的内容。