workflows.md

主线工作流（指针）

← 回索引

按"想做什么"组织。每条工作流详细页给：

• 预期输入目录结构（你拿到/产出的数据该长什么样）
• CP2K inp / VASP INCAR 要求打印的内容（哪些 section / keyword 必须开）
• 内部数据流示意（文件 → 解析模块 → dataclass → 分析函数 → 输出）
• 执行步骤（CLI 终端会话）
• 输出位置 + 常见坑

---

五条主线

#	工作流	详细页
01	算电极电势 U vs SHE（cSHE）	workflows/01_potential_cshe.md
02	表面电荷 σ + φ 标定	workflows/02_surface_charge.md
03	Slow-Growth 粗扫 → TI 精算	workflows/03_sg_to_ti.md
04	Bader 批量生成 VASP 工作目录	workflows/04_bader_batch.md
05	SP 单点为 DeePMD 训练集抽帧	workflows/05_sp_for_dp.md

---

非交互场景出口

CLI 是给人看的。如果你要在脚本 / Jupyter / 集群作业里跑：

程序化入口（main.py）

from md_analysis.main import (
    run_water_analysis, run_potential_analysis, run_charge_analysis,
    run_tracked_charge_analysis, run_counterion_charge_analysis, run_all,
)

# 跟 CLI 菜单一一对应；output_dir 是最终写入目录（不再前置 water/ 等）
run_water_analysis(
    xyz_path="md-pos-1.xyz",
    cell_abc=(10.22, 10.22, 26.42),
    output_dir="output/water/",
)

Agent 入口（agent.dispatch）

JSON 序列化、JSON Schema 自描述，方便给 LLM / MCP / 批处理用：

from md_analysis.agent import dispatch, list_tasks, get_task_schema

for t in list_tasks():
    print(t["name"], "—", t["description"])

schema = get_task_schema("ti_full_analysis")

result = dispatch("ti_full_analysis", {
    "root_dir": "./ti_runs/",
    "output_dir": "./output/",
    "epsilon_tol_ev": 0.01,
    "equilibration": 500,
})
print(result.success, result.summary["delta_A_eV"])

任务列表（14 个）见 menu_reference.md 末尾。

---

← 回索引