想学AI但不知道从哪开始？别怕，这篇教程就是为你准备的。我们不讲复杂理论，只教你动手装好环境、跑通第一个程序。读完你就能在自己的电脑上运行AI代码了。

1. 准备环境：装好Python和必备工具

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

• 去Python官网（python.org）下载最新版本（建议3.9以上）。
• 安装时记得勾选“Add Python to PATH”（把Python加入系统路径），否则后面可能找不到命令。
• 安装完成后，打开终端（Windows用cmd，Mac/Linux用Terminal），输入 python --version，如果显示版本号就成功了。

接下来安装pip（Python的包管理工具，用来安装别人写好的代码库）。一般Python自带pip，输入 pip --version 检查。如果没有，可以手动安装。

2. 安装AI库：让Python学会“智能”

我们用一个最简单的AI库scikit-learn（读音：赛-基特-乐恩，一个常用的机器学习工具包）来演示。

1. 在终端输入 pip install scikit-learn，等待下载安装。
2. 如果速度慢，可以加国内镜像：pip install scikit-learn -i https://pypi.tuna.tsinghua.edu.cn/simple。
3. 安装完成后，输入 python -c "import sklearn; print(sklearn.__version__)"，没有报错就说明装好了。

3. 跑通第一个AI程序：训练一个简单的分类器

新建一个文件 first_ai.py，用记事本或任何代码编辑器打开，输入以下代码：

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier

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

# 创建并训练KNN分类器
knn = KNeighborsClassifier()
knn.fit(X_train, y_train)

# 评估准确率
accuracy = knn.score(X_test, y_test)
print(f"模型准确率：{accuracy:.2f}")

然后在终端运行 python first_ai.py。如果看到类似“模型准确率：0.97”的输出，恭喜你——你的第一个AI程序跑通了！

4. 下一步可以做什么？

• 试试修改 test_size 的值（比如0.3），看准确率怎么变。
• 换一个数据集，比如 digits（手写数字识别），代码几乎一样。
• 学一下Jupyter Notebook（一个交互式编程环境），用它写代码更直观。

现在你已经迈出了AI的第一步。记住：遇到问题就搜索，每个大佬都是从“Hello World”开始的。