这个版本冲突的坑我之前也踩过！给你几个实用的解决思路，你可以根据自己的实际场景选择：

一、用虚拟环境彻底隔离依赖（最推荐） #

分别为TensorFlow和Streamlit项目创建独立的虚拟环境，从根源上分开两套依赖，完全避免版本打架：

• 给TensorFlow单独建环境：

  # 创建虚拟环境
  python -m venv tf_env
  # Windows激活环境
  tf_env\Scripts\activate
  # Mac/Linux激活环境
  source tf_env/bin/activate
  # 安装高版本protobuf和对应TensorFlow
  pip install tensorflow protobuf>=3.20
  

  激活这个环境后，运行print(tf.version.VERSION)就能正常查看TensorFlow版本了。
• 给Streamlit项目单独建另一个环境：

  python -m venv streamlit_env
  # 激活环境（对应系统命令同上）
  # 安装Streamlit和兼容的低版本protobuf
  pip install streamlit protobuf<=3.20
  

  两个环境完全独立，再也不会有依赖冲突的问题。

二、绕开Protobuf限制，直接查看TensorFlow版本 #

其实不用tf.version.VERSION也能轻松查到版本，这几个方法不依赖高版本Protobuf，亲测在3.20以下版本也能正常用：

• 用TensorFlow的基础版本属性：

  import tensorflow as tf
  print(tf.__version__)
  

  tf.__version__是TensorFlow的原生版本属性，属于基础功能，一般不会受Protobuf版本影响。
• 直接用pip命令查询：
  在终端运行以下命令，直接输出已安装的TensorFlow版本：

  pip show tensorflow
  

  输出内容里的Version字段就是你要找的版本号，连代码都不用写，快捷又方便。

三、降级TensorFlow到兼容Protobuf3.20的版本（适合必须同环境的场景） #

如果你必须在同一个环境里同时运行Streamlit和TensorFlow，可以选择一个支持Protobuf<=3.20的TensorFlow版本，比如TensorFlow 2.10.x及更早的版本，大多都兼容Protobuf3.20：

pip install tensorflow==2.10.0 protobuf==3.20.0

⚠️ 注意：降级前要确认你的TensorFlow代码没有用到高版本才有的特性，避免功能受影响。

四、用Conda环境隔离（Anaconda/Miniconda用户首选） #

如果你平时用Conda管理环境，操作会更省心，Conda会自动处理环境内的依赖兼容：

# 创建TensorFlow专属环境
conda create -n tf_env python=3.9 tensorflow protobuf>=3.20
conda activate tf_env
# 创建Streamlit专属环境
conda create -n streamlit_env python=3.9 streamlit protobuf<=3.20
conda activate streamlit_env

总结一下：优先选虚拟环境/Conda环境隔离，彻底解决冲突；如果不想折腾环境，直接用第二种方法绕开版本查询的限制，是最快的解决方案！