GitHub 仓库突然消失,你手里还剩下什么:开源依赖的上游风险与自留副本

2026 年 11 月 18 日·约18分钟阅读
体验网页版 →你的主权 AI 分身 · 无需安装
核心要点
  1. 01上游消失风险不是故障、也不是停服:没有通知、没有导出窗口,而且不一定会恢复。11 月 17 日,微软 ONNX Runtime(2.2 万星标)仓库无预警 404,全球 CI 当天报错;PyPI 包、文档站、NuGet 包截至 11 月 18 日本机实测仍可访问。
  2. 02每个依赖背后其实是两份承诺:开源许可证给的是复制和修改的权利,永久有效;托管平台给的是「明天还下载得到」的可用性,平台条款普遍允许随时移除内容、不必解释。
  3. 03AI 栈把这个风险放大了好几倍:模型权重、推理运行时源码、智能体的技能与胶水代码、CI 工具链里的 action 与基础镜像,四层里只有「包」这一层通常有注册表替你存了独立副本。
  4. 04自己留副本的成本很低:十人团队全套镜像约一个工程师日搭建、每月一小时维护,用不到半 TB 存储;对比一次四小时的 CI 停摆(10 人 × 4 小时 × 每工时 100 美元)就要 4,000 美元。
  5. 05留副本不解决一切:它不维护废弃项目的代码、不审查被投毒的上游、也不覆盖从来不是代码的托管服务(接口、身份登录、按次计费的数据源)。说清楚在买断哪个风险,其余的分开买。
F.01
插画:一个男孩把发光的绿色代码方块收进一个打开的保险箱,周围漂浮着代码分支、硬盘、归档箱和盾牌对勾等绿白配色三维图标,象征把开源依赖的副本收进自己一侧

只要你的构建依赖别人账号里托管的代码,你的构建就可能因为一个没人通知你的决定而失败。开源许可证给你的是使用这份代码的权利。至于你明天还能不能从那个地址下载到它,许可证一个字都没提。

上游消失风险是指:你的构建所依赖的仓库、模型权重或工件源,在没有通知、没有导出窗口的情况下下线,而你手上既没有合同、也没有副本。它的两个近亲都比它有名:故障会结束,停服会提前通知、还给你留导出按钮。上游消失两样都没有。你连可以发邮件的对象都没有,因为你从来就不是人家的客户。

11 月 17 日,微软的 ONNX Runtime 仓库,一个 2.2 万星标、压在相当大一部分生产环境 AI 推理底下的项目,在没有任何说明的情况下开始在 GitHub 上返回 404,当天早上世界各地的 CI 流水线(代码提交后自动构建和测试的那条流水线)接连报错。仓库有可能回来:大厂恢复过下线的东西,GitHub 自己也撤销过下架决定;回来也不会推翻这里的判断,反而坐实了它——这份代码今天够不够得着,是在栅栏那一头决定的。

01为什么开源许可证保不住代码的可用性

你技术栈里的每一个依赖,背后其实是两份承诺。几乎所有人把它们当成了一份。

第一份是许可证。MIT、Apache 2.0、GPL。它授予你使用、复制、修改、再分发这份代码的权利。对你已经拿到手的副本,这份授权不可撤销,不要钱,作者日后做什么都动不了它。一个消失项目的许可证,今天和仓库变黑前一天一样有效。

第二份承诺本该关于可用性:这份代码明天还在那个网址上,还下载得到。翻开任何托管平台的服务条款,你看到的是承诺的反面。内容可以被账号所有者删除,也可以被平台删除,随时,而且不必解释。GitHub 在这点上毫不特殊,所有免费托管都是这个规矩。公开仓库没有可用性保障(SLA,服务水平协议),因为没人为它付费。

付费套餐也补不上这个口子。给平台付钱,买到的是对你自己账号、你自己仓库的支持和可用性承诺。你所依赖的那个仓库躺在别人的账号里,你的账单对它不构成任何约束。

平台也提供体面的退场方式。GitHub 允许维护者把仓库归档(archive):冻结成只读,但保持可访问,页面顶上挂一条横幅,明明白白。无预警的 404 和归档是两回事。两者的差别,就是一家店关门时贴出告示,和一家店第二天早上原地蒸发的差别。

下架的扳机有好几个,大多数和项目本身的死活没关系。账号所有者可以删库,可以转私有。平台可以依据服务条款的投诉下手。版权方可以逼着平台动手,谁都拦不住:2020 年,GitHub 在收到音乐行业的 DMCA 通知(美国数字千年版权法下的下架函)后,移除了被广泛使用的视频下载工具 youtube-dl。大约一个月后,经过复审和舆论压力,仓库恢复了,GitHub 也修改了处理这类通知的流程。这已经是下架事件能有的最好结局。但中断是真实发生过的,而且构建依赖这个仓库的每一个人,从头到尾没有任何发言权。

这个脑补安全了十年,因为大平台稳到让人觉得它们是基础设施。可市政意义上的基础设施背着法定义务,免费托管服务背着的只是一份服务条款。平台的运营者听命于自己的政策、自己的律师,和给他们寄法律函的人。这三方没有一个知道你的构建存在。

包仓库比它们的用户更早学到教训。2016 年 left-pad 被作者从 npm 撤下、砸了半个生态的构建之后,npm 限制了撤包的权限。包仓库还有一条底层设计:对每个发布过的工件自己物理存一份,而非指向作者的服务器。这正是同一个早上 pip install 能照常、git clone 却失败的原因。2022 年 faker.js 作者亲手毁掉自己的项目,又把这些防线测了一遍。每次事故修补了一个仓库的一个症状。事故暴露出的那个习惯,把「能下载到的网址」当成「保证」,比每一块补丁都活得长。能下载到的网址只是方便。躺在你自己盘上的副本,才是你已经行使过的权利。

F.02
开源断供模式时间轴:2016 年 left-pad(npm 撤包)、2020 年 youtube-dl(DMCA 下架后恢复)、2022 年 faker.js(作者自毁)、2026 年 ONNX Runtime(原因未明),只标年份与事件定性

图 1. 开源断供不是小概率事件:四次事故,一个模式——代码是开源的,托管是别人的决定。各事件按当年公开报道记述,未重新核实的下载量数字一律不标。

一个带日期的实例:ONNX Runtime 仓库消失

开头说的那次消失,裂缝正好沿着这条线裂开。包仓库接住了自己存过的东西:pip install onnxruntime 全程能用,因为 PyPI 对每个发布过的安装包都自己存一份;NuGet 包和文档站也都在(三者截至 11 月 18 日直接访问核实)。断掉的是所有伸手去够仓库本身的东西:按提交号 clone 源码的 CI、子模块(submodule,嵌在你仓库里的别人仓库的引用)、写着 git clone 的 Dockerfile、从 release 页下载文件的脚本(这些文件不在 git 数据里,fork 也保不下它们)。还有一层没有任何仓库接得住:issue、合并记录、安全通告,以及维护者解释参数设计的讨论串,很多团队的运维手册和审计记录里引用过它们。有独立副本的地方,东西都活了下来。只由仓库本身提供的一切,跟着仓库一起没了。

F.03
伤害面分层图:仍在(PyPI、文档站、NuGet)与已断(源码仓库、release 资产、issue 与安全讨论历史)对照,标注替代难度,数据为本机 2026-11-18 实测

图 2. 还活着的,和已经没了的:microsoft/onnxruntime 生态,2026-11-18 本机逐项实测。条长 = 找替代有多难,源码仓库、release 资产、issue 与安全讨论历史已 404,PyPI 包、文档站、NuGet 包仍可访问。

如果哪天供应商提前通知、留出导出窗口再关门,那是另一个处境,比这好得多,AI 工具停服时该做什么讲的就是那套打法:哪些日期要紧、导出够得到什么、够不到什么。上游消失的定义就是:这扇窗口从头到尾不会打开。准备工作只能在上游还活着的时候做。

02上游消失风险会落在 AI 栈的哪几层

传统软件的依赖面大家都熟:包,也许再加几个拷进来的 C 库。AI 栈把这个面放大了好几倍,而且放大的部分多数依赖管理工具根本看不见。

先说模型权重。开放权重模型(模型文件公开可下载、能在自己机器上跑的那一类)的使用团队,权重一般只下载过一次,从 Hugging Face 或厂商的发布页,然后把唯一一份放在推理服务指定的位置。权重动辄几十上百 GB,没人愿意多存一份。那唯一的副本通常躺在一台机器上,下载链接被当成了备份。可链接托管在别人手里,而且权重托管有自己版本的「两份承诺」落差:Hugging Face 上好几个模型家族,Llama 系是最出名的例子,下载前要先点头接受许可条款。这个门按账号放行,而门的政策在你点完之后还能改。你选型时敞开的下载入口,等你再需要它时可能已经关上或者换了条款。真到那一步,「备份」就没了,而想重新做出某个权重版本的某个量化版(quantization,为省显存把模型压小的版本)可能根本做不到:量化版大多是社区成员上传的,没有权威的第二来源。开放权重模型那笔账,只有权重真的在你手里时才算得过来。

然后是运行时这一层。推理引擎、分词器、CUDA 内核、服务框架。这一层从源码构建的频率远高于普通应用依赖,因为性能优化盯着的是具体提交号,而非发布版。推理运行时就是典型:很多团队从源码构建运行时,为的是在特定硬件上拿到特定执行后端的行为,这正是包仓库里的现成安装包替代不了的用法。构建里钉死的提交哈希,是一根指向别人仓库的指针。哈希保证内容不被篡改,不保证那个地址明天还应答。

第三层,技能和胶水代码。分身(agent)系统攒小依赖的速度惊人:这里一个提示词库,那里一个工具调用的格式定义,还有八个月前某人发布、之后再没碰过的抓取脚本。每一个都是通过网址来的。几乎没有哪个存过第二份,一部分原因是每个都小到让「专门存一份」显得神经质。加起来可不小。一个加载不了某个工具定义的分身,没有降级运行这个选项,它直接做不成需要那个工具的任务。

最后是工具链自己:CI 动作、基础镜像、从网址直接灌进管道的安装脚本。工作流文件里一行 uses: someorg/some-action@v3,就是一次对你管不着的仓库的运行时拉取,还是拿着你的凭证执行的。多数工作流按标签(tag)钉版本,而标签是可以挪动的指针:名字不变,指向的代码可以换。改成按提交哈希钉,解决的是防篡改,碰都没碰可达性。基础镜像(Dockerfile 开头 FROM 那行指定的打底系统环境)在下一层重复同一个性质:那一行是对一个你管不着的镜像仓库账号的拉取,缓存一冷就重新解析一次。

还有一层,任何依赖清单上都看不见:项目攒下来的解释。issue 讨论、安全通告、维护者说明某个参数为什么这样设计的那条回复。团队把这些链接贴进运维手册和审计记录,而这些链接和代码指向同一个账号。账号一消失,这份集体记忆跟着消失,而且没有任何包仓库替讨论串存副本。构建可以靠镜像复原。一段解释没法从工件里重新推导出来。

沿着这四层盘一遍,每层只问一个问题:上游今晚消失,我手里有没有一份能用来重建的副本?多数团队的诚实答案是:包大概有(仓库替你存了),权重通常没有,源码和技能多半没有,工具链几乎从来没有。

F.04
AI 栈上游消失面矩阵:模型权重、推理运行时、技能与胶水代码、工具链四层 × 典型托管位置 ×「有无自留副本」,示例场景标注

图 3. AI 栈的上游活在哪里,谁手里有副本:以一个跑分身的典型小团队、还没做任何镜像工作之前为例。模型权重和技能/胶水代码「通常没有」副本,工具链「几乎从不」有。

03自己留副本需要多少成本

对镜像的本能反对是嫌贵,所以这里给数字,不给形容词。

设想一个十人团队,依赖面取个现实的量:值得镜像的源码依赖五十个(按提交号或子模块引用的那些,传递依赖的包不算),两套模型权重共 80 GB,release 资产加基础镜像约 40 GB,再加一个每周刷新的任务。全部存下来用不了半 TB。放在团队现成的 NAS 上,边际成本接近零;新买的话,一块 2 TB 的硬盘是几十美元的开销(按 2026 年底的普通固态盘价格,约合几百元人民币)。刷新任务就是一条 cron 定时项,对着一个镜像目录跑 git remote update;权重是最大的对象,但它们恰恰最不常变,基本躺着不动。总账:搭起来一个工程师日,之后每月照看一小时。有一个运维细节要留神:镜像过期是无声的,所以刷新任务要把这次更新了什么写进日志。一个几个月没动静的镜像值得问一句:是上游停更了,还是任务坏了?每月那一小时,大头就是读这份日志。这个面随团队扩张也长得很慢:人数翻倍,镜像几乎不变大,因为副本按技术栈算,不按人头算。

另一边:同一个团队的流水线堵半天。十个人干等或者来回切换上下文四个小时,是四十个工时。按每工时 100 美元的综合人力成本算(请换成你自己的工资表,这个数是假设),一次事故 4,000 美元,约合两万八千多元人民币(按 1 美元 ≈ 7.2 元换算),还没算错过的交付期限,也没算某个工程师花一下午在网上翻找来历不明的社区镜像。镜像在第一次事故就回本了。而这种形状的事故已经在案,日期和星标数都查得到。

恢复速度也在同一笔账里。构建急着改线时,把它指向一份热着的本地镜像,是一行配置、下次运行就生效的事。把它指向一个没人审过的 fork,要花的时间等于安全审查的时间,而审查恰恰是快不起来的那一环。

F.05
镜像成本 vs 一次 CI 停摆成本对比条形图:示例场景,十人团队,人力综合成本按每工时 100 美元计

图 4. 镜像的账:比一次停摆便宜。镜像一次性投入 889 美元,每年维护 1,200 美元;一次 CI 停摆半天(10 人 × 4 小时)就是 4,000 美元。数字为示例场景,不是报价,请代入自己的工资水平。

更深一层的成本账不关乎钱,关乎来历。东西消失之后,热门代码的副本确实会冒出来:fork、社区镜像、网络存档。但事后找到的非官方镜像,恰恰是你的安全评审应该拒绝的东西:所有人都急着用的那一刻,偏偏来历没法验证。Phrack 第 73 期(2026 年)关于模型后门的研究,正好提醒了慌忙换源会招来什么。你自己做的镜像,从原始来源做的,在它还活着时做的,来历是从出生起就干净的。做镜像时顺手记下校验和,这份来历以后还能复核:你能证明明年用来构建的东西,和今年上游给的一字不差。

04如何把关键依赖的副本收进自己一侧

这件事分三步,前两步一个小团队今天就能做完。(如果「镜像」这个词听起来像一套基础设施,把画面调低一点:这里说的镜像,就是你自己盘上的一个克隆文件夹。)

第一步,摸清暴露面。在锁文件(lockfile,记录依赖精确版本的文件)、CI 配置、Dockerfile 和构建脚本里,搜所有直接指向托管网址的引用:clone、子模块、release 资产下载、raw 文件拉取、CI 动作引用。搜索对象很具体:github.com 这个字符串本身、仓库根目录的 .gitmodules 文件(子模块都登记在这)、路径里带 releases/download 的下载地址、raw.githubusercontent.com 开头的直链,以及 Dockerfile 里用 curl 或 ADD 从网上拉东西的那些行。一个下午的 grep,产出是一张短清单,列着你的构建伸进别人账号的每一个地方。结果往往扎堆:几个按提交号引用的源码依赖,一两个没人记得是谁加的子模块,再加一条长尾,藏在 CI 工作流文件里的各种拉取。最让团队意外的多半是最后那组;几乎没有人对自家 CI 在运行时拉什么有一张完整的心理清单。

第二步,照着清单取副本。git clone --mirror 能把一个仓库的完整历史存下来,分支和标签都在,日后可以原样推到任何新的托管处。动手写脚本之前,有两个坑先记下。镜像克隆不会抓取 Git LFS 对象(LFS 是 git 存大文件的扩展方案),而和模型沾边的仓库重度依赖 LFS;要在镜像里补一句 git lfs fetch --all,否则你副本里的大文件只是一堆指针,指向一台可能停止应答的服务器。还有前面说过的 release 资产,它们压根不在 git 数据里,镜像完的仓库并不包含构建要从 release 页下载的那些压缩包。这些要单独抓,而且列表接口是分页的,随手写的「把 release 都抓下来」脚本常常只抓到第一页。下载你的构建真正引用的那些资产,按你钉死的版本。再把你在跑的模型权重复制到第二块盘上,不要和推理服务用同一块;复制时把整个模型目录一起带走:让权重文件能被加载起来的分词器和配置文件都很小,最容易被忘掉,而一个少了它们的权重文件就是一块砖。如果仓库用了子模块,每个子模块单独镜像;父仓库的镜像里记的只是指针,指向的提交躺在别人的仓库里。副本进盘的同时,给每个文件算一份校验和(比如一张 sha256 清单),和抓取日期一起放在镜像旁边。这一步是在给来历留证据:明年有人问这份副本可不可信,你拿得出「它和上游原件一字不差」的证明,而非一句「当时是我下的」。这一步不需要任何新工具,而且全部可以重复执行:每周刷新一次,副本就一直是热的。

副本放在哪,不如放在谁的账号里要紧。办公室的 NAS、抽屉里每月刷新一次的硬盘、挂在你自己账单下的对象存储,哪个都行,条件只有两条:故障域和上游不同,账号听你的。最糟的做法是把「镜像」做成同一个平台上的一个 fork:同一个平台、同一个司法辖区、同一张下架函管得着。youtube-dl 那次把这点演示得很具体:下架通知里点了名的 fork,跟着原仓库一起下线了。一份和原件吃同一张下架函的副本,不管文件夹叫什么名字,冗余只停留在名字上。

第三步,让构建优先用你的副本。三步里只有这步有真正的工程量:让 CI 先指向内部镜像或工件缓存、公网地址只做后备;把最要命的两三个小依赖直接 vendor 进来(vendoring,把依赖的源码直接拷进你自己的仓库,构建再也不去外面拉它);把 CI 动作钉到你已经镜像过的提交号上。git 把重定向做得很便宜:在 CI 运行机的配置里写一条 insteadOf 改写规则,所有对某个托管域名的 clone 都会走你的镜像,一行构建脚本都不用动。渐进着做,炸弹半径最大的依赖先做。这条原则和你对待自己工作文件的原则是同一条,把工作区放在自己拥有的文件里而非供应商的数据库里,只是往栈下面挪了一层。

这些都不是仪式。「副本在不在自己手里」是构建的一个属性,什么时候起疑都能当场验证:掐断通往公网托管的网络路径,看构建还过不过。自家副本够不够得着,和离线运转是同一种验证法:拔线,观察。(断供演习测的是几小时的不可用。这里测的是永久性。404 就是一场没有恢复时间的故障。)

05示例:构建变红之后的两个星期

设想一个十二人团队,跑着一个检索服务和一套每晚执行的评测。星期二早上 9:40,昨晚的任务是红的。报错写着 repository not found,看起来像网址打错了,于是头十五分钟花在重跑上。第二遍还是同样的错。GitHub 状态页是绿的。服务本身没事,因为上线路径装的是 PyPI 上钉死版本的安装包;红的是评测镜像,它按钉死的提交号从源码构建一个推理运行时,为的是一个任何发布版安装包都不带的硬件相关参数。

整个上午耗在排查上,结论说出来容易,接受起来慢:他们的代码没有任何问题,而他们的代码里也没有任何东西能修好它。中午前后,有人找到一个版本大致对得上的 fork。安全评审员拒绝用来历不明的 fork 构建生产工件,这个决定是对的,但随之而来的争论还是吃掉了一下午。

当晚沿四层(权重、运行时、技能、工具链)盘点,grep 加人工不到一小时。盘出三堆东西:评测镜像里那个按提交号构建的依赖,检索工具包里一个指向消失账号的子模块,六个按标签钉的 CI 动作。最难受的是权重那一栏。服务依赖的两个模型版本,都只有服务盘上的一份,其中一个还是社区量化版,上传页是哪个,团队里没人说得上来。

接下来的一周就是按顺序走那三步。先做镜像;LFS 一抓,下载量翻了三倍;release 资产脚本停在第一页,直到有人读了分页文档。权重复制到第二块盘,这回是整个目录。子模块改指向团队自己的镜像。CI 动作换钉到镜像过的提交号,最省事的留在最后。加一条每周刷新的 cron,和它写的那行日志。

总消耗:搭进去一个星期二,外加摊在两个日历周里的一个工程师周,两样都出自上面那三步,而且两样都会更小,如果盘点发生在 404 之前。服务从头到尾没停。评测红了九天。真正没人编过预算的,是和产品经理的那场谈话:一个没人记得是谁选的依赖,凭什么烧掉一个冲刺周期。九天红灯算有惊无险还是算可接受损失,是一道判断题。在设计评审里就问过镜像问题的团队,可以趁选项还便宜的时候做这道题。

复盘会最后落成一条流程改动:设计评审模板里加了一行,问副本放哪、谁刷新、花多少钱。改完模板后第一个过审的依赖,是一个按提交哈希引用的小型重排序库。提出人写下「用公网地址,风险我们接受」,评审放行了。模板钉下来的是这个决定本身,连同签名,在依赖还只是个提案的时候。

06决定在一个开源 AI 运行时上搭东西之前,要先镜像哪些东西

决策时点永远比事后补救便宜,所以这个问题属于设计评审,原话照问,在依赖被采纳之前。提出这个依赖的人逐项一行作答:副本放哪,谁负责刷新,花多少钱。这三问故意问得琐碎。琐碎的问题才换得到具体的回答,而「我们很重视供应链安全」这种回答,拦不住任何一个具体的 404。如果答案是「我们就用公网地址」,这也算一个答案,记在给出这个答案的人名字旁边。评审最该顶回去的是中间地带:一个重要到能卡住推理、又冷门到没人想认领镜像的依赖。这种情况正是要趁早问的原因。等到镜像的归属明显值得争了,通常已经有东西断了。

同一个问题在选型阶段就能给候选项排座次,那时镜像还一个都不存在。两个基准测试成绩相近的运行时,留副本的成本可以差很远。一个把签过名的发布工件推到包仓库、权重不设门槛;另一个只活在一个托管仓库里,二进制只从 release 页发,权重锁在一份随时能改的条款后面。第二个不因此出局,不少最好的工具恰恰就是这样活着的。只是它的镜像更大,刷新更琐碎,丢了更难消化。在选型时就把留副本的成本算进去的团队,有时会为了包仓库那份保障,接受小一点的性能差距,因为这笔账早晚都要付。

最小集合,对任何一个消失就会卡住你构建或推理的上游:完整源码历史(git clone --mirror,按计划刷新);构建会抓取的 release 工件,按你钉死的版本;你在线上跑的模型权重,按你在跑的那个量化版;再加一份文档的文本导出,份量以「没有项目官网也能把它运维六个月」为准。量化那个细节最容易漏:想重新推导一个量化版,需要原始全精度权重,而那可能恰好是你再也下载不到的东西。六个月也有讲究:一个社区理出接班项目大约就是这个时间,你的镜像要做的,就是让你能心平气和地等到那一天。

可以跳过的:你信任的包仓库已经替你存着的传递依赖,能从你自己的工件重新推导出来的东西,还有那条长尾,消失了只算麻烦、算不上停摆的依赖。什么都镜像等于囤积;四层盘点会告诉你,你这套栈的线画在哪。

一条经验法则盖住多数情况。失去这个上游会让你损失超过一天,留副本。重新找它的来源意味着信任陌生人的 fork,留副本。其余的,钉死版本,交给包仓库。

07KarmaBox 如何落地这套做法(产品说明)

我们自己的产品 KarmaBox 押的就是另一边:运行时、模型和分身的记忆都放在你自己的机器上。逐个问题对过去:

T.01
前文的问题KarmaBox 怎么做你要做的设置
推理运行时的上游消失了,活还能干吗推理跑在 KarmaBox 设备本机:一块 GB10、128 GB 统一内存,模型预装。聊天、写作、检索、图像理解、转写和视频模型都在本机跑把这类活分给本机分身
会不会悄悄回落到还活着的云端,把依赖藏起来本地闭环是强制的:本地跑失败就报失败,而非悄悄转去云端重试(2026-10-22 上线)给分身开本地闭环
怎么证明断了上游真能转我们自己公布过的拔网线实测:三天(2026-10-28 至 30)197 次本地推理,业务数据出域 0 次,设备页全程显示「nothing has left」看设备页的数据边界视图
分身的技能和记忆会不会变成别人托管的资产分身的记忆存在一个可以带走的文件里;同一个分身在云端、Mac、KarmaBox 之间迁移,不用重训(2026-10-24 上线)按自己的节奏把记忆文件备到自己的盘
偶尔还是想用云端大模型云端模型是平台内置的,没有要你自己去申请的 key。任务要在云端模型上花钱时,分身先问你,等你批准逐单批或不批
上游没接通时,分身会不会硬编数据干活一次完整运行记录(2026-11-15):广告分身被要求调价、但数据源没接入时,确认读不到真实数据,拒绝按编造的数字执行,只给出一份待执行计划,写明要先接什么无

表 1. KarmaBox 怎么把「自留副本」落到六个具体问题上

F.06
KarmaBox 分身界面局部截图:已连接亚马逊店铺、Shopify 和卖家精灵,能读库存和销量,但广告数据源未接入,分身给出待执行的调价计划而非凭空执行

图 5. 一张界面卡片截取(非整页),来自 2026-11-15 的一次完整运行记录:广告数据源未接入时,分身给出待执行计划而不是编造数字执行。

F.07
断网实测数据图:KarmaBox 自测 2026-10-28 至 10-30,设备断网状态下完成 197 次本地推理,离开设备的业务数据条数为 0

图 6. 拔网线三天:活照干,数据没出门。来源:KarmaBox 自己公布的断网实测(2026-10-28 至 30),设备页全程显示「nothing has left」,计数来自设备日志。

六行遵守同一条规矩:你赖以干活的东西放在栅栏你这一头;确实要伸到对面去的那些(云端模型、外部数据源),全是显式的、留记录的,并且由一道在模型之外执行的边界把着关,换哪个模型这条规矩都照样成立。跑自托管 AI 代理是同一个决定在平台层的版本,而把从硬件到记忆文件的整列对齐,名字就叫主权 AI。主权 AI 分身六条标准里,上游消失风险直接考的是其中两条:能离线工作,资产归主人。

08自己留副本解决不了哪些问题

留副本管的是上游消失风险。有三个邻居问题它不管,装作都管只会把这个办法说砸。

它不维护代码。一个废弃项目的镜像是一张快照,接不了班;不管你手里有没有完整历史,安全修复都不会再来。如果 ONNX 仓库一直黑着,社区下个月的难题不在旧提交够不够得着,而在新的漏洞通告(CVE)谁来审。留副本买到的是时间:让你从容地挑接班项目,而非被枪顶着头挑。挑这个动作省不掉。变的是钟表:手里有全量镜像,这个决定可以等尘埃落定再做,不用赶在流水线全红的那一周。

它不审查代码。一个被投毒上游的完美镜像,就是那次投毒的完美副本。来历和审查是另一门功课,上面提到的后门研究自己就把话说完了:副本继承原件里的一切,审没审过都继承。

它也盖不住那些从来就不是代码的服务:托管的接口、从别人家身份服务走的登录、按次计费查询的数据源。那些是可用性问题和退出问题,各有各的页面、各有各的打法,一盘子镜像对它们一点忙都帮不上。

说清楚在买断哪个风险(上游消失),其余的,分开买。

09常见问题

onnxruntime 在 PyPI 上还有吗?

有。截至 11 月 18 日,PyPI 包、文档站和 NuGet 包都还在;消失的是 GitHub 源码仓库、它的 release 资产和 issue 历史。只用包仓库钉死版本的团队没有受到直接影响。

AI 栈里的上游消失风险是什么?

上游消失风险是指:你的构建所依赖的仓库、模型权重或工件源,在没有通知、没有导出窗口的情况下下线,而你手上既没有合同、也没有副本。它和故障风险(服务会回来)、退出风险(有通知期和导出路径)是三回事。

开源许可证能保证代码一直下载得到吗?

不能。许可证授予的是对代码副本的权利,不对任何一台服务器继续提供下载作任何承诺。托管平台的条款普遍允许随时移除内容。你手里的副本是你的;那个网址从来都不是。

vendoring 和 fork 有什么区别?

vendoring 是把依赖的源码拷进你自己的仓库,构建从此不再向外拉取。fork 是在托管平台上建一份你自己的副本,还可以接着维护和修改。vendoring 解决构建独立,fork 解决后续开发的控制权。只对付上游消失风险的话,镜像或 vendoring 就够了。

小团队实际需要的镜像有多大?

通常不到半 TB:构建直接引用的仓库的全历史克隆、钉死版本的 release 资产,加上线上在跑的模型权重(权重占大头)。传递依赖的包一般不用镜像。十人团队的量,大约一个工程师日加一条定时刷新任务。

决定在一个开源 AI 运行时上搭东西之前,应该先镜像哪些东西?

至少四样:完整源码历史、你钉死版本的 release 工件、你在跑的那个量化版的权重文件,以及足够支撑六个月运维的文档。这个问题要在设计评审里、依赖被采纳之前问;副本在上游活着时便宜得很,上游没了就再也拿不到。

10关于作者

Karma Box 团队发布关于 AI 主权、工作台控制与供应商评估的实用指南。本文区分了核实过的事实和分析:仓库与包仓库的可用状态经直接访问核实;社区说法注明出处帖子;成本数字是写明假设的示例演算,而非行业基准。KarmaBox 相关内容集中在单独一节。新闻与可用性核查截至 2026 年 11 月 18 日。

参考来源 / 6
  1. [1]Hacker News:《Microsoft's ONNX Runtime has disappeared from GitHub》 查看原文 ↗
  2. [2]Cloudflare:《Quad9's withdrawal from France: A canary in the coal mine》 查看原文 ↗
  3. [3]Archive Team:Apple Discussions 存档项目 查看原文 ↗
  4. [4]ONNX Runtime 官方文档站 查看原文 ↗
  5. [5]PyPI:onnxruntime 包 查看原文 ↗
  6. [6]Phrack, Issue 73(2026) 查看原文 ↗

建一个只听你的主权 AI 分身

机器是你的,文件是你的,记忆也是你的——存成文件,随时带走。它能动什么、不能动什么,你说了算。KarmaBox 网页版不用装,打开就能用。

体验网页版 →

推荐阅读