准备工作：安装 Python

AI 开发最常用的语言是 Python（一种简单易学的编程语言）。首先，打开浏览器，访问 python.org，下载适合你系统的 Python 3.10 或更高版本。安装时，记得勾选“Add Python to PATH”（把 Python 添加到系统路径），这样后续命令才能正常运行。安装完成后，打开命令行（Windows 搜索“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 Jupyter Notebook

Jupyter Notebook 是一个交互式编程环境，让你可以边写代码边看结果，对新手非常友好。在命令行中输入以下命令安装：
pip install jupyter
安装完成后，输入 jupyter notebook，浏览器会自动打开一个页面。如果没自动打开，请复制终端里显示的网址（通常是 http://localhost:8888）粘贴到浏览器地址栏。

安装 AI 框架 TensorFlow

TensorFlow 是谷歌开发的 AI 框架，帮你快速搭建和训练模型。在 Jupyter Notebook 中，新建一个 Python 3 笔记本，在代码单元格里输入：
!pip install tensorflow
点击运行（或按 Shift+Enter），等待安装完成。安装成功后，再输入以下代码测试：
import tensorflow as tf
print(tf.__version__)
如果输出版本号（如 2.15.0），说明 TensorFlow 安装成功。

跑通第一个 AI 模型：手写数字识别

现在我们来运行一个简单的 AI 模型，识别手写数字。在同一个笔记本中，输入以下代码：

• 加载数据集：mnist = tf.keras.datasets.mnist（MNIST 是手写数字图片的集合）
• 拆分训练和测试数据：(x_train, y_train), (x_test, y_test) = mnist.load_data()
• 归一化（把像素值缩到 0~1 之间）：x_train, x_test = x_train / 255.0, x_test / 255.0
• 构建模型：model = tf.keras.models.Sequential([tf.keras.layers.Flatten(input_shape=(28,28)), tf.keras.layers.Dense(128, activation='relu'), tf.keras.layers.Dense(10)])
• 编译并训练：model.compile(optimizer='adam', loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True), metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)
• 评估准确率：test_loss, test_acc = model.evaluate(x_test, y_test, verbose=2)
print('\nTest accuracy:', test_acc)

运行后，你会看到训练过程，最后输出测试准确率（大约 0.97 左右）。恭喜！你已经成功跑通了第一个 AI 模型。

常见坑提醒

• 安装 Python 时没勾选“Add Python to PATH”，会导致命令行找不到 python 命令。解决：重装并勾选，或手动添加环境变量。
• pip 安装慢或失败：可以换成国内镜像，如 pip install jupyter -i https://pypi.tuna.tsinghua.edu.cn/simple。
• 运行 Jupyter 后浏览器没打开：手动复制终端里显示的 localhost 地址。