nf-llm-debugger：为 Nextflow 工作流注入智能诊断能力的开源插件

一款创新的 Nextflow 插件，能够在运行时自动拦截管道和流程故障，利用本地或远程大语言模型进行智能诊断，并将可执行的解决方案直接输出到控制台和日志中。

• 原作者/维护者：Luca Cozzuto（隶属于 biocorecrg 组织）
• 来源平台：GitHub
• 原始项目名称：nf-llm-debugger
• 原始链接：https://github.com/biocorecrg/nf-llm-debugger
• 发布时间：2026年6月2日

nf-llm-debugger 是一款专为 Nextflow 设计的插件，其核心使命是在运行时自动拦截管道和流程故障，利用大语言模型（LLM）进行智能诊断，并将清晰、可执行的解决方案直接输出到控制台和 Nextflow 日志中。这款工具的诞生源于一个简单但深刻的观察：传统的错误调试过程耗时且低效，而现代 LLM 具备理解复杂错误信息并提供修复建议的能力。

该插件由 Luca Cozzuto 开发，采用 MIT 许可证开源发布，体现了生物信息学社区对开发效率工具的持续追求。

nf-llm-debugger 最引人注目的特性是其运行时错误拦截能力。它通过钩入 Nextflow 的 JVM 生命周期（TraceObserver），能够在进程或工作流失败的瞬间实时捕获错误。这种设计意味着开发者无需手动检查日志文件或编写复杂的错误处理逻辑——插件会在问题发生的第一时间介入。

插件采用纯通用且兼容 OpenAI API 的设计哲学，支持与任何 OpenAI 兼容的 API 端点通信。这包括：

• Llamafile：Mozilla 推出的本地 LLM 运行方案
• Ollama：macOS 和 Linux 上运行本地大模型的热门工具
• LocalAI：自托管的开源 OpenAI 替代方案
• OpenAI：云端 GPT 系列模型

这种开放性确保了用户可以根据自身需求灵活选择模型部署方式，无论是追求数据隐私的本地部署，还是需要更强能力的云端方案。

对于注重数据安全的用户，插件提供开箱即用的离线本地 LLM 支持。只需在本地运行兼容的模型服务，即可在不将任何数据发送到外部服务器的情况下完成错误诊断。这对于处理敏感生物信息学数据的场景尤为重要。

传统的错误日志往往充斥着晦涩的退出代码和技术术语。nf-llm-debugger 将这些信息（如退出状态 126、127、1 等）转化为易于理解的结构化诊断报告，不仅解释错误原因，更提供具体的修复步骤。

在 nextflow.config 文件的 plugins 块中添加插件声明：

plugins {
    id 'nf-llm-debugger@1.0.0'
}