准备工作：你需要什么？

要开始 AI 之旅，你只需要一台电脑（Windows / macOS / Linux 都行）和一个能上网的浏览器。我们会用到 Python（一种简单易学的编程语言）和 pip（Python 的包管理器，用来安装别人写好的代码库）。

第一步：安装 Python

1. 打开浏览器，访问 python.org，点击“Downloads”下载最新版 Python（建议 3.9 或更高）。
2. 运行安装包，务必勾选“Add Python to PATH”（这样你才能在命令行里直接使用 python 命令）。
3. 安装完成后，打开终端（Windows 是 cmd 或 PowerShell，macOS/Linux 是 Terminal），输入 python --version，如果显示版本号，说明安装成功。

第二步：创建虚拟环境（推荐）

虚拟环境可以隔离不同项目的依赖，避免冲突。在终端中执行：

• 输入 python -m venv myenv，这会在当前目录创建一个名为 myenv 的虚拟环境。
• 激活它：Windows 执行 myenv\Scripts\activate，macOS/Linux 执行 source myenv/bin/activate。终端前面会出现 (myenv) 字样。

第三步：安装 AI 库（以 scikit-learn 为例）

scikit-learn 是一个流行的机器学习库，封装了很多现成的算法。在激活的虚拟环境中，输入：

pip install scikit-learn

等待安装完成。你可以顺便安装 numpy（科学计算库）和 matplotlib（绘图库），后面会用到：

pip install numpy matplotlib

第四步：运行你的第一个 AI 程序

创建一个新文件 hello_ai.py，用记事本或代码编辑器打开，粘贴以下代码：

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载鸢尾花数据集
iris = load_iris()
X, y = iris.data, iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 训练决策树模型
clf = DecisionTreeClassifier()
clf.fit(X_train, y_train)

# 预测并评估
y_pred = clf.predict(X_test)
print(f"准确率: {accuracy_score(y_test, y_pred):.2f}")

保存后，在终端中运行：python hello_ai.py。如果看到类似“准确率: 0.97”的输出，恭喜你，你已经成功跑通了第一个 AI 程序！

下一步可以做什么？

你可以尝试修改代码，比如换用不同的分类器（如 KNeighborsClassifier），或者用 matplotlib 画出数据分布图。建议去 Kaggle 找一些入门数据集（如泰坦尼克号生存预测）练手。记住：遇到问题先搜索，Stack Overflow 和官方文档是你的好朋友。