很多新手想学 AI，但第一步就卡在“装环境”上。别担心，这篇教程会带你一步步装好工具，然后写几行代码，看看 AI 到底是怎么工作的。

准备环境：你需要装什么？

要跑 AI 程序，我们先要装一个叫 Python 的东西。Python 是一种编程语言，简单说，就是你给电脑下指令用的“语言”。AI 的很多工具都是用 Python 写的。

• 去 Python 官网（python.org）下载最新版本。选 Windows 或 macOS 对应的安装包。
• 安装时，记得勾选“Add Python to PATH”。这个选项让系统知道去哪找 Python，省去后面很多麻烦。
• 装好后，打开命令行（Windows 搜“cmd”，Mac 搜“终端”），输入 python --version，看到版本号就说明装好了。

安装 AI 库：让 Python 学会 AI 技能

Python 本身不会 AI，但我们可以给它装“插件”，也就是 库。库是别人写好的代码包，我们直接拿来用。这里装两个最常用的：NumPy（处理数字）和 scikit-learn（做机器学习）。

1. 在命令行输入：pip install numpy scikit-learn，按回车。pip 是 Python 的安装工具，会自动下载并装好。
2. 等待安装完成。如果看到“Successfully installed”，就成功了。
3. 常见坑：如果提示“pip 不是命令”，说明 Python 没加到 PATH，重装时勾上那个选项就行。

写第一段 AI 代码：让电脑学会分类

现在我们来写一段真正的 AI 程序。它会根据一些数据，自动学会把东西分类——比如根据花瓣长度和宽度判断花的种类。下面这段代码就是做这个的。

• 新建一个文本文件，重命名为 first_ai.py（注意后缀是 .py）。
• 用记事本或任何文本编辑器打开，复制粘贴下面的代码：

from sklearn import datasets
from sklearn.neighbors import KNeighborsClassifier

# 加载数据（鸢尾花数据集）
iris = datasets.load_iris()
X = iris.data  # 特征：花瓣长宽等
y = iris.target  # 标签：花的种类

# 创建并训练模型
model = KNeighborsClassifier()
model.fit(X, y)

# 预测一个新样本
new_flower = [[5.1, 3.5, 1.4, 0.2]]  # 一朵花的数据
prediction = model.predict(new_flower)
print('预测种类编号:', prediction[0])

• 保存文件，然后在命令行进入该文件所在目录，输入 python first_ai.py 并回车。
• 如果看到“预测种类编号: 0”，恭喜你——你已经成功跑通了人生第一个 AI 程序！

验证是否成功 & 下一步

代码能运行就说明环境没问题了。你可以试着改 new_flower 里的数字，看看预测结果会不会变。如果想继续学，可以搜“scikit-learn 入门教程”，里面有很多现成的例子。

记住：AI 入门没那么难，装好环境、跑通代码，你就已经迈出了最重要的一步。