很多人觉得AI离自己很远，其实只要一台电脑，你也能跑通第一个智能系统。本文带你从零开始，装好工具、写好代码，体验AI处理真实数据的过程。

准备环境：装好Python和必备库

AI开发最常用的语言是Python（一种简单易学的编程语言，适合数据处理和AI）。你需要先安装它。

1. 访问 Python 官网（python.org），下载最新版（推荐3.10以上）。
2. 安装时勾选“Add Python to PATH”（这样你才能在命令行直接使用python命令）。
3. 打开终端（Windows按Win+R输入cmd，Mac打开“终端”），输入 python --version 确认安装成功。
4. 安装AI常用工具库：在终端输入 pip install numpy pandas scikit-learn（pip是Python的包管理器，帮你自动下载别人写好的代码库）。

安装步骤：下载并运行示例代码

我们用一个经典例子：根据传感器温度数据预测设备是否要出故障。代码来自开源项目，你只需复制粘贴。

1. 创建一个新文件夹（比如叫 ai_first_project），在里面新建文件 predict.py。
2. 用记事本打开 predict.py，粘贴以下代码：

   import numpy as np
   from sklearn.ensemble import RandomForestClassifier
   
   # 模拟传感器数据：温度、湿度、震动
   X = np.array([[30, 50, 0.2], [35, 55, 0.3], [40, 60, 0.5], [45, 65, 0.8]])
   y = np.array([0, 0, 1, 1])  # 0正常 1故障
   
   model = RandomForestClassifier()
   model.fit(X, y)
   
   # 预测新数据
   new_data = np.array([[38, 58, 0.4]])
   prediction = model.predict(new_data)
   print('预测结果（0正常/1故障）:', prediction[0])

3. 保存文件，回到终端，进入该文件夹（cd ai_first_project），运行 python predict.py。

验证是否成功：看输出结果

如果一切顺利，你会看到终端打印出“预测结果（0正常/1故障）: 0”。这意味着模型认为当前数据属于正常状态。随机森林（一种常用的AI算法，像很多棵决策树投票决定结果）已经根据历史数据学会了规律。

下一步可以做什么

• 尝试修改 X 和 y 里的数据，加入更多传感器值，看看预测结果如何变化。
• 用真实数据（比如从传感器CSV文件读取）替换模拟数据，让系统更贴近实际。
• 学习如何将模型部署到树莓派等设备上，实现真正的“物理AI”。

恭喜！你已经跑通了第一个AI系统。记住，所有复杂系统都是从这样简单的代码开始的。继续探索吧。