贸易战和华为禁令这新闻一出来，我第一反应不是去分析什么经济影响，而是立刻打开终端，pip list，然后对着那一长串依赖库发愣。TensorFlow、PyTorch、NumPy、Pandas……这些名字平时是效率的基石，现在看着像一串定时炸弹。它们背后是谁？Google、Facebook、各种美国大学和基金会。我的爬虫、自动化工具、甚至刚接的那个数据分析私活，全他妈架在这堆“洋砖头”上。
昨天还在跟客户吹，说我们用 Python 的 asyncio 搞定了高并发采集，用 Requests 库配合随机 User-Agent 绕过反爬，用 Pandas 做数据清洗多优雅。今天一想，Requests 库的维护者在哪？asyncio 是 Python 核心，但 Python 软件基金会受不受这狗屁禁令的间接影响？不知道。这种不确定感太操蛋了。你引以为傲的技术栈，你熬夜死磕的“解决方案”，在更高维度的规则变动面前，脆弱得跟纸糊的一样。我甚至去查了查有没有纯国产的、能平替 NumPy 的库，结果搜出来一些文档都残缺不全的“国产开源”，心凉了半截。这不是技术问题，这是生存环境问题。
团队里那两个小伙子还在为个 API 接口的字段命名吵得不可开交，我听着烦，但又没法跟他们说这个。说了他们也理解不了，他们觉得技术是纯净的、无国界的。我以前也这么天真。现在不了。34岁，拖着一个刚有点起色的小团队，账上有点流水但远远谈不上稳固，每天一睁眼就是工资、房租、客户催交付。本来以为把技能点满、把交付流程标准化，就能获得某种“自由”。现在看，自由个屁。你的自由建立在别人提供的沙盒里，沙盒的规则制定者一翻脸，你连哭的地方都没有。
我开始疯狂地回溯自己的商业闭环。我们给那个健身连锁店做的小程序，后端云服务用的腾讯云，这还好。但里面有个会员行为预测的模块，用了 scikit-learn，这玩意儿呢？数据可视化用了 ECharts，百度开的源，这个应该稳。但整个数据 pipeline 的起点，那个爬取公开赛事数据的脚本，依赖了一堆解析库，lxml、BeautifulSoup，还有用到的代理 IP 服务，不少是架在 AWS 或 Google Cloud 上的节点。一环扣一环，没有一个环节是百分百握在自己手里的。所谓的“独立开发者”，所谓的“超级个体”，在真正的风浪面前，可能还不如一艘小舢板。舢板至少木头是自己的。
晚上睡不着，不是焦虑明天的事，而是焦虑一种根本性的脆弱。我花了十年时间，从学写第一行 HTML 到能带团队接项目，以为自己构建了一个坚固的城堡。结果贸易战一来，像一场地震，我才发现城堡的地基是借来的。你代码写得再漂亮，架构图画得再清晰，一旦 pip install 后面那个源出了问题，或者 GitHub 突然对你 IP 段限流（这不是没可能），你所有的“生产力”瞬间归零。这种焦虑和当年怕技术过时的焦虑还不一样，这是一种体系性的、无处着力的恐慌。
或许该认真想想备份方案了。不是代码备份，是技术栈的“去中心化”备份。能不能用一些更底层的、标准更开放的技术？或者，至少把核心业务逻辑和那些可能有风险的“外部依赖”做更彻底的隔离。虽然这听起来又是个巨大的、消耗精力的工程。但没办法，34岁了，不能再像年轻时那样，觉得“技术无国界”是浪漫，它现在就是风险。得给自己留条哪怕不好走、但至少自己能完全控制的退路。安全感这东西，终究不能外包。
