想学AI但不知道从哪开始？别担心，这篇文章会带你一步步装好环境、跑通第一个程序。你不需要任何编程基础，只要跟着做就行。

准备环境：安装Python

AI编程最常用的语言是Python（一种简单易学的编程语言，类似给电脑下指令的“普通话”）。

1. 打开浏览器，访问 python.org，点击“Download Python”按钮下载最新版本（推荐3.10以上）。
2. 运行安装包，一定要勾选“Add Python to PATH”（这能让电脑在任何位置都找到Python），然后点击“Install Now”。
3. 安装完成后，打开命令提示符（Windows按Win+R输入cmd，Mac打开终端），输入 python --version，如果显示版本号，说明安装成功。

安装AI必备库：NumPy和Scikit-learn

库是别人写好的代码包，可以直接拿来用，省去自己造轮子。我们需要两个基础库：NumPy（处理数字的数学工具包）和Scikit-learn（机器学习工具箱，里面有很多现成的AI算法）。

• 在命令提示符或终端里输入以下命令，按回车：pip install numpy scikit-learn。等待进度条走完，出现“Successfully installed”就成功了。
• 常见坑：如果提示“pip不是命令”，说明Python没加到PATH，重新安装并勾选那个选项。

跑通第一个AI程序：预测股票涨跌

我们写一个最简单的AI模型——用历史数据预测明天股票涨还是跌。这个模型叫逻辑回归（一种根据已有数据判断“是或否”的算法，比如判断邮件是垃圾邮件还是正常邮件）。

1. 创建一个新文件夹，比如叫“my_ai_project”。在里面新建一个文本文件，重命名为 predict.py（注意扩展名是.py）。
2. 用记事本打开，复制下面代码并保存：

   import numpy as np
   from sklearn.linear_model import LogisticRegression
   
   # 模拟数据：过去5天的涨跌（1涨0跌）和对应的特征（前一天的交易量、价格变化）
   X = np.array([[100, 0.5], [200, -0.2], [150, 0.3], [300, -0.1], [250, 0.4]])
   y = np.array([1, 0, 1, 0, 1])  # 实际涨跌
   
   model = LogisticRegression()
   model.fit(X, y)
   
   # 预测明天：假设交易量120，价格变化0.2
   prediction = model.predict([[120, 0.2]])
   print("明天预测结果：", "涨" if prediction[0] == 1 else "跌")

3. 回到命令提示符，进入你的文件夹（例如输入 cd Desktop\my_ai_project），然后运行 python predict.py。如果看到“明天预测结果：涨”，恭喜你，第一个AI程序跑通了！

下一步可以做什么

你已经掌握了AI入门的基本流程：装环境、装库、写代码、运行。接下来可以尝试：

• 用真实股票数据替换模拟数据，从网上下载CSV文件用Pandas（另一个库，专门处理表格数据）读取。
• 学习更多算法，比如决策树（像玩“20个问题”游戏一样做判断）或神经网络（模仿人脑的复杂模型）。
• 参加Kaggle上的入门比赛，实战练习。