90%以上情况降级到protobuf==3.20.3即可解决，因其精准兼容TensorFlow旧代码对builder模块的路径引用，且避开3.21.0+移除internal.builder及4.x不兼容问题，同时需彻底清理残留文件、匹配protoc版本并避免多源混装。
Protobuf不是普通依赖，而是TensorFlow的ABI级绑定组件
TensorFlow在编译期就把Protobuf的C++运行时和Python符号结构“焊死”了——它不只调用Protobuf的API，还直接依赖其内部模块路径、描述符构造逻辑、甚至_message扩展模块的二进制布局。一旦运行时加载的protobuf版本与编译TF时用的protoc版本或符号约定不一致，就会立刻崩溃，不是报错，是段错误或ImportError。
builder导入失败的本质是ABI断裂，不是语法错误
当你看到ImportError: cannot import name 'builder' from 'google.protobuf.internal'，这不是代码写错了，而是Protobuf 3.20.0+把builder从google.protobuf.internal移到了google.protobuf根命名空间。但TensorFlow（尤其是object_detection等子模块）生成的*_pb2.py文件仍硬编码旧路径。这些文件是用旧版protoc生成的，运行时却加载了新版protobuf，符号对不上。
- TF 2.10–2.15 默认拉取
protobuf>=4.x（新pip倾向高版本），但其自带的.proto文件仍按3.20.x规则生成 -
grpcio、paddlepaddle等库自带protobuf 4.x，装完再装TF，pip不会自动降级 - conda环境混用pip安装的protobuf和conda-forge的protobuf，导致
pip list显示一个版本，实际加载另一个
protoc版本和protobuf运行时必须成对出现
用protoc 24.x生成的_pb2.py文件，必须配protobuf 4.21.0+；用protoc 21.x生成的，必须配protobuf 3.20.x。二者主版本号错位，就会触发TypeError: Descriptors cannot be created directly——因为描述符构造器的C++ ABI变了。
- 查本地protoc：
protoc --version（输出类似libprotoc 21.12） - 查Python protobuf：
pip show protobuf（必须和protoc主版本对齐） - 临时绕过：设
PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=python，但性能掉30–40%，仅应急
残留文件比版本号更危险
你以为pip uninstall protobuf就干净了？错。Python会优先从site-packages/google/protobuf/__pycache__/或残留的protobuf-3.19.0.dist-info/里加载旧模块，导致你装了3.20.3，实际跑的还是3.19的符号。
立即学习“Python免费学习笔记（深入）”；
- 卸载后必须手动删掉
site-packages/google/protobuf/下的__pycache__目录 - 删掉同级所有
protobuf-*.dist-info文件夹 - 执行
pip list | grep protobuf确认输出为空，再装新版本
_pb2.py生成时的protoc、运行时的protobuf、以及TensorFlow源码中硬编码的符号路径，三者是否咬合。任何一环松动，错误都会在模型加载那一刻才暴露。 
