准备工作：你需要装什么

在开始之前，你得先准备好三样东西：Python（一种编程语言，AI 最常用的语言）、pip（Python 的包管理器，用来安装各种工具库）和 虚拟环境（一个隔离的小空间，避免不同项目互相干扰）。别担心，跟着步骤走很简单。

第一步：安装 Python

1. 打开浏览器，访问 Python 官网 python.org。
2. 点击“Downloads”，下载最新版本的 Python（比如 3.12.x）。
3. 运行安装包，一定要勾选“Add Python to PATH”（这样你才能在命令行里直接使用 python 命令）。
4. 安装完成后，打开命令提示符（Windows 按 Win+R，输入 cmd）或终端（Mac/Linux），输入 python --version，如果显示版本号，就说明安装成功。

第二步：创建虚拟环境

1. 在你想存放项目的文件夹里，打开命令行，输入 python -m venv myenv（myenv 是环境名字，可以随便改）。
2. 激活虚拟环境：Windows 输入 myenv\Scripts\activate，Mac/Linux 输入 source myenv/bin/activate。激活后命令行前面会出现 (myenv)。

第三步：安装 AI 库并跑通第一个模型

我们用一个最简单的 AI 库 scikit-learn（一个机器学习工具包，里面有很多现成的算法）来演示。

1. 确保虚拟环境已激活，输入 pip install scikit-learn，等待安装完成（大概一两分钟）。
2. 创建一个新文件 hello_ai.py，用记事本或任何编辑器打开，复制以下代码：
   from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

# 加载鸢尾花数据集（一个经典的 AI 入门数据）
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 分成训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 创建一个 K 近邻分类器（一种简单的 AI 模型）
knn = KNeighborsClassifier()
knn.fit(X_train, y_train)

# 预测并计算准确率
y_pred = knn.predict(X_test)
print('准确率:', accuracy_score(y_test, y_pred))
3. 在命令行输入 python hello_ai.py，如果看到类似“准确率: 0.9666”的输出，恭喜你，你已经成功跑通了第一个 AI 模型！

下一步可以做什么

• 试试修改代码中的参数（比如 KNeighborsClassifier(n_neighbors=5)），看看准确率怎么变。
• 换一个数据集，比如 datasets.load_digits()（手写数字识别）。
• 学学更多 AI 概念，比如神经网络，然后用 TensorFlow 或 PyTorch 搭建更复杂的模型。