做量化计算的人大概都遇到过这种场面：手里攒了几十上百个分子结构，想先做一轮几何优化筛一遍，挑几个看着靠谱的再去跑更贵的方法。直接上第一性原理，机时和排队时间都吃不消；纯力场呢，又怕电子结构相关的性质根本拿不出来。这种时候 xtb 这类半经验紧束缚程序就成了很自然的中间层。它不追求 Kohn-Sham 级别那种严格性，而是靠一套参数化的紧束缚哈密顿量，把电子结构的核心信息压缩进一个可控的计算量里，代价是单核几十秒到几分钟就能吐出一个优化结构和能量，收益是构象排序、相对能、初步反应路径这些东西都能先摸清楚。这篇东西写给两类人：一类是刚听说 xtb、想知道它到底能替代掉哪些计算的新手；另一类是用过几次、但每次都得回去翻文档、约束写不对、收敛跑飞的老用户。我尽量把命令行、输入文件、坑点、判断标准都摊开讲清楚，能直接抄的代码和参数都会给全。
1. 先把 xtb 摆到正确的位置
1.1 它到底在算什么
很多人第一次接触 xtb，会把它当成“廉价版的 DFT”。这个理解偏了。xtb 的核心是半经验紧束缚方法，它保留了量子力学里电子占据、轨道相互作用这些骨架，但把大量的双电子积分用参数化的近似替换掉，同时在哈密顿量里加进经验性的原子对势项来补偿近似丢掉的相互作用。换句人话说：它不是从第一性原理出发去精确求解，而是“带着一套经验校正的量子模型”。这个定位决定了它的强项和弱项都很鲜明。
强项在于势能面形状大体正确，尤其是非共价相互作用。原始的 GFN 系列方法在设计时专门强化了对色散、氢键、卤键这类弱相互作用的描述，这正好是很多纯力场覆盖不到、又对构象排序极其关键的部分。所以拿它做构象搜索、分子晶体预筛、大体系粗优化，性价比极高。弱项在于绝对能量和部分电子性质。半经验方法给出的生成热、电离能这类量，误差通常在几个 kcal/mol 到十几 kcal/mol 的量级，用它去和实验值对精确数字是要失望的。但如果只关心“A 构象比 B 构象稳多少”“这条路径的势垒大约多高”，相对量往往够用——前提是你别拿它去处理电子结构本身极其复杂的体系，比如强关联、近简并、多参考态特征明显的分子，那些问题超出了紧束缚模型的表达能力。
我个人的判断标准很土：需要精确的电子结构结论时不用它，需要“快速把结构弄干净、把相对能排个序”时优先用它。这条界划清楚了，后面所有的参数选择都不会跑偏。
1.2 与力场、DFT 的成本对照
为了让选型有个直观依据，我把常见三层方案摆在一起。数据是量级经验，具体数字随体系大小、原子类型、机器配置浮动很大，但相对关系是稳定的：
| 方案 | 单分子 100 原子优化耗时（量级） | 能给出的信息 | 典型适用场景 |
|---|---|---|---|
| 经典力场 | 秒级 | 结构、相对能（依赖力场质量） | 超大体系、粗筛、动力学 |
| xtb（GFN2） | 分钟级 | 结构、相对能、部分电子性质、振动 | 构象筛选、预优化、反应路径初探 |
| 常规 DFT | 小时到天级 | 精确能量、电子结构、光谱 | 精修、发表级数据 |
这个表最想说明的一点是：xtb 和 DFT 之间不是替代关系，是流水线关系。正确姿势是力场 → xtb → DFT 逐级收窄，每一级都把下一级的输入规模砍掉一到两个数量级。我做过一个不太严谨的统计，在同一个分子集上，先用 xtb 做几何预优化，再把优化后的结构喂给 DFT 做单点，相比直接从力场结构起算，DFT 的 SCF 迭代次数平均能降三到四成。原因很朴素，xtb 出来的键长、键角已经接近量子化学的平衡值，DFT 不需要再从力场的“理想几何”爬过去一大段。
另一个容易被忽视的成本是人的成本。xtb 的输出文件极其精简，xtb.out里该有的都有，不该有的不啰嗦，看结果不用像翻 DFT 的输出那样找半天。这对批量处理来说差别巨大，写解析脚本的难度直接降一个档次。
1.3 方法分支怎么选
xtb 内部其实是一族方法，不是单一方法。常见的有 GFN0-xTB、GFN1-xTB、GFN2-xTB，还有走纯力场路线的 GFN-FF。选错了方法，后面调参数能调到怀疑人生。
GFN2 是现在的默认选项，也是我绝大多数场景下的首选。它用自洽的电荷和自旋布居描述，对元素周期表的覆盖比较宽，弱相互作用处理得体，是“不知道选什么就选它”的那种存在。代价是比 GFN1 慢一点，但通常慢得有限，完全可以接受。
GFN1 出来得早，速度快一些，部分体系上表现和 GFN2 有差异。它的自洽处理比 GFN2 简化，某些含重金属的体系反而还行。我现在的用法是：GFN2 跑一遍，如果个别结构结果看着别扭，再用 GFN1 交叉验证一下，两个方法结论一致就基本可以信，差得离谱就说明这个体系本身对方法敏感，得往上走一级。
GFN0 是简化版，把自洽迭代这一步省掉了，速度极快，适合超大规模的粗扫。但它对电子结构的描述粗糙，我不建议拿它的能量直接做定量比较，用来做几何预优化、把结构弄到“不爆炸”的程度是合适的。
GFN-FF 是另一条线，纯粹的经验力场，完全不涉及电子结构，速度比 GFN2 快一到两个数量级，适合几百上千个原子的大体系。缺点是它给不了任何电子性质，电荷、轨道、光谱统统没有。如果你的任务只是要一个合理的几何结构，GFN-FF 是极佳的起点。
注意：不同方法之间的能量不可直接比较。GFN1 的绝对能和 GFN2 的绝对能放在一张表里没有意义，只有同一方法内部的相对能才有讨论价值。这是我见过新手最常犯的错，没有之一。
2. 从零安装：三条路线与踩坑记录
2.1 包管理路线：最省事也最容易踩版本坑
对大多数用户，我强烈建议先走包管理路线，把事情跑通，再考虑要不要折腾编译。常见做法是通过 conda 类的环境管理器装预编译包，一条命令的事：
conda create -n xtbenv python=3.10 -y conda activate xtbenv conda install -c conda-forge xtb -y装完直接xtb --version验证一下。能看到版本号和编译信息就说明成了。这条路线的好处是依赖全自动搞定，坏处是版本通常滞后，而且不同 channel 里的包可能链接了不同的数学库，性能差异能到两三倍。
我用过的几个包，有的直接链接了高效的线性代数库，跑起来很快；有的只用了参考实现，同样的任务慢一大截。判断方式很简单：跑一个中等大小的体系，看输出里的耗时，和你预期的时间量级对不对得上。如果慢得莫名其妙，先怀疑数学库，别怀疑自己写的输入文件。
还有一个很隐蔽的坑：环境里同时存在多个版本的 xtb 可执行文件，which xtb指向的和你以为的不是同一个。我曾经为了一个“结果复现不了”的问题折腾了大半天，最后发现是两个终端激活了不同的环境。养成习惯，每次开新终端先which xtb && xtb --version确认一遍，两秒钟的事，能省几小时。
2.2 源码编译路线：什么时候值得折腾
如果你的任务规模大、跑得频繁，或者需要特定版本的特性，编译是值得的。编译本身不复杂，核心就是准备好编译器和数学库，然后按文档走。真正花时间的不是编译命令，是数学库的选型和链接参数。
经验上，链接一个成熟的高性能线性代数库，对中等以上体系的提速非常明显，因为紧束缚方法里最耗时的部分之一就是矩阵对角化。如果只是链接参考实现的库，性能会明显吃亏。编译时注意两件事：一是确保编译器优化等级开到合适的位置，默认配置有时偏保守；二是确认并行支持被正确打开，否则你后面设多少线程都是白搭。
编译完之后一定要做回归测试。拿几个小分子跑单点能和优化，和预编译版本的结果对一下。数值上允许有微小差异，但如果差到小数点后几位都对不上，说明链接的库或者编译选项有问题，别急着上生产任务。
# 编译后的典型验证流程 xtb water.xyz --gfn 2 --sp > ref_sp.out xtb water.xyz --gfn 2 --opt > ref_opt.out grep "TOTAL ENERGY" ref_sp.out把这两条命令的输出存下来，以后换机器、换版本都拿它当基准。
2.3 线程与环境变量：并行不是设了就快
xtb 的并行主要靠共享内存多线程，控制方式是环境变量。最常见的写法：
export OMP_NUM_THREADS=8 xtb large.xyz --gfn 2 --opt这里有个反直觉的点：线程数不是越多越好。小体系上开太多线程，线程创建和同步的开销会盖过并行收益，实测有时 4 线程比 16 线程还快。我的经验阈值是：体系原子数少于 30 的时候，老老实实单线程；30 到 100 个原子，4 到 8 线程比较甜；上百个原子再往 8 到 16 线程走。当然这跟机器架构强相关，你自己拿一个体系扫一遍线程数，画个耗时曲线，十分钟的事，比听我瞎猜有用得多。
还有一个常被忽略的变量是临时文件的位置。xtb 在优化过程中会频繁读写中间文件，如果工作目录挂在网络盘上，I/O 会成为瓶颈，CPU 空转。把计算目录放到本地盘，或者至少确保临时目录在本地，能带来相当可观的提速。这个坑我在集群上踩过，一个本该二十分钟跑完的任务拖了两个小时，查了半天代码没看出问题，最后发现是文件系统的锅。
3. 命令行速通：六个高频任务
3.1 单点能与几何优化
最基本的两条命令，先把它们练到不用查文档：
# 单点能，只算能量不优化结构 xtb molecule.xyz --gfn 2 --sp # 几何优化，默认收敛级别 xtb molecule.xyz --gfn 2 --opt输入格式首选 XYZ，两行头部加原子坐标，简单到不会出错。优化完成后，当前目录会多出几个文件，最关键是xtbopt.xyz，这是优化后的最终结构，后续所有计算都拿它当输入。xtb.out里能翻到能量、收敛信息、各步的梯度范数。
优化收敛级别可以调，常见的有 loose、normal、tight 这几档。什么时候该调？我的用法是：批量粗筛用 loose，追求速度，反正后面还要精修；正常生产用默认的 normal；只有当结果要直接进 DFT 或者需要精确频率时才上 tight。别一上来就 tight，我见过有人对着两百个分子全用最严收敛，跑了两天还没跑完，其实 loose 就足够把错误结构筛掉了。
真正需要留意的是优化失败。xtb 有时会跑满最大步数还停不下来，输出里会明确告诉你没收敛。这时候先别急着重跑，把xtbopt.xyz打开看看结构长什么样。常见的失败原因有三类：初始结构太离谱（比如原子重叠）、势能面本身有平坦区域（柔性长链分子常见）、或者约束条件写矛盾了。对症处理比无脑加步数有效得多。
3.2 频率与热化学
想拿到振动频率、零点能、热力学量，命令要加对应的开关：
# 优化并计算 Hessian，输出频率 xtb molecule.xyz --gfn 2 --ohess # 只对已有结构算 Hessian xtb xtbopt.xyz --gfn 2 --hess这里有个大坑必须说清楚：频率计算的成本随原子数增长得很快，因为 Hessian 是 3N×3N 的矩阵，每个自由度都要做位移。体系超过 50 个原子，这一步就可能比优化本身慢一个数量级。所以在做频率之前，先想清楚你到底要不要它。如果只是确认结构是不是极小点，其实看优化结束时的梯度范数就够初判了，不一定要跑完整 Hessian。
结果的解读也容易出问题。频率输出里的虚频，负值表示结构不是极小点。但半经验方法算出来的低频振动本身就不太可靠，几个波数到几十个波数的虚频，很多时候是数值噪声，不代表结构真的有问题。我的经验是：虚频绝对值超过 50 个波数才值得认真对待，而且要看振动模式，如果虚频对应的振动方向正好是你关心的反应坐标方向，那反而可能是好事，说明你找到了过渡态附近。小于这个量级的，先把结构用 tight 再优化一遍，多半就消失了。
零点能、焓、自由能这些量在输出里都有，注意它们通常基于刚性转子谐振子近似，对柔性分子的熵贡献估计偏差可能不小。拿自由能做构象排序时要打个折扣，或者干脆只用电子能加零点能做相对比较，把熵的争议留给后面的高级方法去解决。
3.3 溶剂、电荷与自旋
气相结果和溶液相差几个 kcal/mol 是常态，溶质带电荷时差别更大。xtb 提供了隐式溶剂模型：
# ALPB 隐式溶剂 xtb molecule.xyz --gfn 2 --opt --alpb water # 另一套溶剂模型 xtb molecule.xyz --gfn 2 --opt --gbsa waterALPB 和 GBSA 是两套不同的隐式溶剂处理方式，前者通常是 GFN2 上的默认推荐。溶剂名用常见的小写英文名，水、甲醇、乙腈、二甲基亚砜、四氢呋喃、氯仿、甲苯这些基本都覆盖。如果输出报错说不认识这个溶剂，别硬猜拼写，去看文档里的支持列表。
带电体系要手动指定电荷和未成对电子数：
xtb ion.xyz --gfn 2 --opt --chrg 1 # 带一个正电荷，闭壳层 xtb radical.xyz --gfn 2 --opt --chrg 0 --uhf 1 # 中性双自由基体系--uhf是未成对电子数，注意它和自旋多重度的关系是“未成对电子数 = 多重度 - 1”。写错了不会报错，但算出来的结果毫无意义，这是最危险的一类错误——程序不吭声，结果全错。我现在的习惯是每次换体系都先确认一遍电荷总数和电子数奇偶性，这事儿花十秒，能救命。
提示：过渡金属配合物的自旋态设置尤其容易出问题。先确认总电子数，再按化学直觉设定未成对电子数，跑完之后看自旋布居是否合理。如果布居分布和你的化学图像完全对不上，多半是初猜或者自旋设置错了。
4. xtb.inp 进阶控制
4.1 输入文件的基本骨架
命令行参数能覆盖大部分常用选项，但真正精细的控制要写进输入文件。xtb 读取的输入文件默认叫xtb.inp，也可以自己指定名字：
xtb molecule.xyz --gfn 2 --opt --input custom.inp文件内部是按块组织的，每个块用$块名开头、$end结尾。一个最小可用的例子：
$scc temp=5000.0 maxiter=500 $end $opt maxcycle=1000 $end这里第一个块控制自洽场迭代，温度参数用于帮助收敛（电子温度展宽），第二个块控制优化循环上限。这两处是收敛问题的高发区，后面排错时会反复用到。
写输入文件最需要注意的是语法极其朴素：键值对之间用等号或者空格都行，逗号做列表分隔，注释用#。没有引号，没有嵌套结构，写错了也不会给你友好的错误提示，通常是默默地忽略了这一行。所以每加一个块，跑个小体系验证一下，别一次写几十行然后对着结果猜哪行生效了。
4.2 约束、固定与扫描
这是 xtb 最有用的进阶功能，也是新手最容易写错的部分。约束某两个原子之间的距离：
$constrain distance: 1,2,1.5 force constant=1.0 $end原子编号从 1 开始，按输入文件里的顺序。force constant控制约束的强度，值越大越“硬”。这里有个取舍：力度太大会让优化变得病态，梯度爆炸；太小了约束不住。我的经验起步值是 0.5 到 1.0，跑不动再调。
角度和二面角同理：
$constrain angle: 1,2,3,109.5 dihedral: 1,2,3,4,180.0 $end想完全固定某些原子不动（比如做表面吸附模型时固定底层）：
$fix atoms: 1-10 $end原子范围可以写成区间，也可以逗号列举，比如atoms: 1-5,8,12-15。
真正好用的是扫描。想沿着某个键长做刚性扫描，可以写一组距离约束，然后用脚本循环改值：
for d in 1.2 1.4 1.6 1.8 2.0 2.2; do sed "s/distance: 1,2,.*/distance: 1,2,$d/" template.inp > scan.inp xtb molecule.xyz --gfn 2 --opt --input scan.inp > scan_${d}.out cp xtbopt.xyz scan_${d}.xyz done这个土办法很笨，但极其可靠，而且每一步都是独立的优化，不容易出连锁问题。扫完之后把所有scan_*.xyz的能量提出来，就是一条势能曲线。
注意：扫描时一定要让结构逐步推进，别从 1.2 直接跳到 2.2。太大的一步会让优化从完全错误的结构出发，结果可能是局部极小而不是你要的那一支。相邻点的间距控制在 0.1 到 0.2 埃比较稳妥。
5. 复杂体系实战
5.1 构象搜索的正确姿势
单靠 xtb 自己跑优化，只能给你一个局部极小，离初始结构最近的那个。想要全局最优构象，得靠构象搜索工具去生成候选，再用 xtb 去精修。常见的工作流是：先用专门的构象生成工具撒点，再用 xtb 批量优化和去重。
手工点的做法成本最低：对柔性键做旋转，生成几十个初始结构，然后批量跑--opt。我常用的批量脚本长这样：
for f in confs/*.xyz; do base=$(basename "$f" .xyz) xtb "$f" --gfn 2 --opt --alpb water > "logs/${base}.out" cp xtbopt.xyz "opts/${base}_opt.xyz" grep "TOTAL ENERGY" "logs/${base}.out" >> energies.txt done跑完拿到energies.txt，按能量排序，把最低的十几个挑出来。但注意，能量低不代表结构不同，很多构象其实收敛到了同一个极小点。去重的办法是算结构之间的均方根偏差，或者更省事的办法：把能量相差很小的结构拿出来，比较它们的二面角，如果关键二面角都一致，那就是同一个。
这套流程里最容易翻车的地方是初始结构质量。如果撒点撒得太随机，很多初始结构会互相原子重叠，优化直接失败。生成初始结构时加一个简单的距离检查，把原子间距小于某个阈值（比如 1.0 埃）的结构剔掉，能省掉一大堆失败重跑。
5.2 过渡金属与开壳层体系的特殊处理
过渡金属是半经验方法的传统弱项，但也不是完全不能用。关键是要理解误差来源：紧束缚参数对 d 电子描述比较粗糙，自旋态之间的能量差容易被算歪。所以用 xtb 做过渡金属体系时，我的建议是只看两类结论——几何结构（键长键角通常还行）和同自旋态内部的相对能。跨自旋态的能量比较，比如高自旋和低自旋哪个更稳，xtb 经常给不出可信答案，这种问题老老实实上 DFT。
开壳层有机体系相对好办一些。设置好未成对电子数之后，重点看自旋布居的分布是否符合化学直觉。如果输出显示自旋分布在完全意想不到的原子位置上，先怀疑三件事：电荷总数写错了、未成对电子数写错了、或者初始结构里那个位置的几何本身就不合理。这三条排除完还不对，再考虑是方法的能力边界。
还有一个实用技巧：开壳层体系容易收敛到自旋污染的解，多给几个不同的初始猜测往往能得到不同结果。用输入文件里的温度参数做展宽，能让自洽迭代更稳，但展宽太大又会抹平能量差异。我一般先用较大展宽把 SCF 跑起来，再用跑出来的结果作为初猜、把展宽收小重新跑一遍，两步走比一步到位稳得多。
5.3 反应路径初探
想摸一条反应路径，最简单的办法是扫描反应坐标，把产物和反应物之间的关键几何参数拉一遍，得到一条能量曲线和一个大概的过渡态位置。有了粗曲线之后，把最高点附近的结构拿出来，做一次过渡态搜索或者用更精细的方法插值。
xtb 支持内置的路径搜索，需要准备一条包含若干插值结构的多帧文件，然后用路径参数跑：
xtb path.xyz --gfn 2 --path输入文件是一个多帧 XYZ，第一帧是反应物，最后一帧是产物，中间帧可以是线性插值得到的初猜。中间帧的质量直接决定能不能跑出来，如果插值路径穿过明显不合理的区域（比如原子撞在一起），算法往往会卡住或者给出奇怪的结果。稳妥的做法是先做一轮约束扫描，得到物理上合理的中间结构序列，再把它们拼成多帧文件。
跑出来的路径要检查两件事：能量曲线是否平滑，以及最高点对应的结构是否真的是鞍点。平滑性靠肉眼就能判断，鞍点性质得靠频率计算来验证——对最高点结构做 Hessian，如果恰好有一个显著虚频，而且振动方向对应你关心的反应坐标，那就基本确信了。
6. 常见报错与排查速查表
6.1 收敛失败怎么救
自洽场不收敛是最常见的报错，输出里会反复打印能量震荡或者迭代残差。排查顺序我一般是这样的：
| 现象 | 可能原因 | 处理办法 |
|---|---|---|
| SCF 能量震荡 | 电子结构近简并 | 加大温度展宽，从 1000 K 起试 |
| 迭代到上限仍未收敛 | 初始猜测太差 | 换 GFN1 先算一遍，拿结果当初猜 |
| 特定原子附近异常 | 初始几何不合理 | 检查是否有原子重叠，先做力场预优化 |
| 优化步数跑满 | 势能面平坦 | 提高收敛级别或检查约束是否矛盾 |
加大展宽是万能第一步，但别过头。展宽到几万 K 的时候，能量差异被抹平得差不多了，算出来的相对能没有意义。我的做法是分两步：先用大展宽把收敛跑通，拿到一个合理的电子密度，再用小展宽重新起算。这套流程走下来，八成以上的收敛问题能解决。
如果换了方法、换了展宽还是不行，那就要怀疑结构本身了。把初始结构的最近原子间距算一遍，小于 1 埃的基本可以判定是重叠，先做一轮 GFN-FF 的粗优化把这些离谱的接触拉开，再进 GFN2。
6.2 内存、线程与文件系统
内存不足的报错通常比较直白，输出会告诉你分配失败。紧束缚方法的内存需求比 DFT 小得多，但体系到几千原子的时候依然会撑爆。GFN-FF 基本不吃内存，是这类大体系的唯一选择。
线程相关的诡异现象更难查，因为不报错，只是慢。症状是设了 16 线程但 CPU 占用只有一两成，或者跑起来比单线程还慢。原因多半是体系太小，并行粒度不够，或者数学库的线程和应用的线程打架了。解决办法是把环境变量里的线程数显式设成 1，然后再逐步加，找到性能拐点。
还有一种情况是机器明明空闲却跑得慢，八成是文件系统的问题。优化过程会反复写轨迹和中间文件，网络盘上的每次写入都有毫秒级延迟，累积起来极其可观。把工作目录挪到本地盘，或者至少把临时目录指到本地，能立竿见影。
6.3 结果看着不对怎么判断
程序正常结束不代表结果可信，这是最需要经验的部分。我有一套自检清单，跑完任何新体系都会过一遍：
第一，看初始结构和最终结构的均方根偏差。如果几乎没变，要么初始结构本来就好，要么优化根本没动（可能步长设置有问题）。第二，看优化过程中的能量变化，正常的应该单调下降然后在末尾趋于平缓，如果中间出现大幅反弹，说明优化在震荡。第三，看关键键长键角是否落在化学合理的范围内，特别是新生成的键。第四，有频率的话看虚频数量和大小。
这套检查花不了两分钟，但能挡掉绝大部分“看起来跑完了其实结果是垃圾”的情况。我吃过亏：一批任务全部正常结束，输出干净漂亮，结果拿去下结论的时候才发现有一半结构的某个键长被算到了 0.8 埃，明显是参数或者初始结构的问题。批量任务尤其要做抽查，别只看退出码。
7. 规模化使用与结果整理
7.1 批量任务的工程化
跑几十个分子靠手敲命令还行，上百个就必须上脚本了。我的批量脚本有几个固定套路。第一，每个任务独立目录，避免同名输出文件互相覆盖：
for f in inputs/*.xyz; do name=$(basename "$f" .xyz) mkdir -p "runs/$name" cp "$f" "runs/$name/mol.xyz" (cd "runs/$name" && OMP_NUM_THREADS=4 xtb mol.xyz --gfn 2 --opt --alpb water > xtb.log 2>&1) done第二，加超时保护。有些体系会卡在某个循环里出不来，无限期占着机器。用系统的超时命令包一层，超时就杀掉，把目录标记成失败，事后单独看：
timeout 3600 xtb mol.xyz --gfn 2 --opt > xtb.log 2>&1 || echo "FAILED" >> status.txt第三，能量提取单独写一个小脚本，不要和计算混在一起。这样计算逻辑改了不影响解析，解析逻辑改了不用重跑计算。提取的核心就是匹配输出里的能量行，加上结构文件名一起写进表格：
for d in runs/*/; do name=$(basename "$d") energy=$(grep "TOTAL ENERGY" "$d/xtb.log" | tail -1 | awk '{print $4}') echo -e "${name}\t${energy}" done > summary.tsv这套东西看着土，但稳定、可断点续跑、出错容易定位，比上什么自动化框架都实用。
7.2 输出文件到底该留哪些
xtb 每次运行产生的文件不多，但批量跑起来目录会很快膨胀。我的做法是只保留三类：优化后的结构、主输出日志、能量汇总。轨迹文件和其他中间文件在确认结果没问题之后就可以删，除非你要做路径分析。
真正值得长期保留的是优化后的结构。同一批分子未来可能要换方法重算，结构留着就不用重复优化。命名上带上是哪一档方法、哪个溶剂，比如molA_gfn2_water.xyz，过几个月回来看还能一眼认出来。这个习惯看着琐碎，但项目做久了就知道，重新梳理一遍旧文件的成本远高于当初多打几个字符。
如果要做后续的可视化，结构文件直接喂给常见的分子查看器就行，XYZ 是通用格式。想画轨道或者电子密度，需要额外输出相应格式的文件，具体开关看文档，不同版本有差异。分子结构叠加对比的话，把多个 XYZ 拼成多帧文件，大多数查看器都能逐帧播放，检查构象变化很方便。
我个人做这类计算最深的体会是，工具的边界比工具的参数重要得多。xtb 用熟了之后，真正花时间的不是记不记得住某个开关叫什么，而是判断眼前这个问题该不该用它。我现在的习惯是，每接一个新体系的第一个任务，先跑一个最小的测试——最简单的类似物、默认参数、单点能——看看结果是不是在你的化学直觉范围内。这个测试只花几分钟，但它能在你投入大量机时之前，告诉你这条路走不走得通。如果最小测试就已经看着不对劲，那多半不是参数没调好，而是这个方法不适合这个体系，早点换路比硬调参数划算得多。
