准备环境：你需要什么？

首先，你需要一台电脑（Windows/Mac/Linux都可以），以及一个稳定的网络。我们这次要装的是Python（一种编程语言，AI开发最常用的工具之一）和Jupyter Notebook（一个可以在浏览器里写代码的交互式环境）。

1. 去Python官网（python.org）下载最新版Python，安装时记得勾选“Add Python to PATH”。
2. 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。
3. 安装Jupyter：在终端输入pip install jupyter，等待完成。

常见坑：安装Python时忘记勾选“Add to PATH”，会导致后面命令找不到。如果遇到，可以卸载重装，或者手动添加环境变量。

安装AI库：让电脑学会“学习”

AI需要专门的库来跑模型。我们安装两个最基础的：TensorFlow（谷歌开发的AI框架，就像乐高积木，帮你搭出AI模型）和Keras（TensorFlow的简化版，更易上手）。

1. 在终端输入pip install tensorflow keras，等待下载安装（可能需要几分钟）。
2. 安装完成后，输入python -c "import tensorflow as tf; print(tf.__version__)"，如果输出版本号，就说明成功了。

常见坑：网络慢或超时，可以换成国内镜像源，比如pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple。

跑通第一个AI模型：识别手写数字

我们用经典的MNIST数据集（一堆手写数字图片，0到9）来训练一个简单的识别模型。

1. 打开终端，输入jupyter notebook，浏览器会自动打开一个页面。
2. 点击右上角“New”->“Python 3”，新建一个笔记本。
3. 复制以下代码到第一个单元格，然后按Shift+Enter运行：
   import tensorflow as tf
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
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, activation='softmax')
])
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)
test_loss, test_acc = model.evaluate(x_test, y_test)
print('测试准确率:', test_acc)
4. 等待运行结束（约1-2分钟），你会看到类似“测试准确率: 0.97”的输出，说明模型识别准确率达到97%。

常见坑：如果报错“No module named 'tensorflow'”，说明没安装成功，重新运行pip install。

下一步可以做什么？

你已经成功跑通了第一个AI模型！接下来可以：

• 尝试修改代码中的epochs=5为更大数值（比如10），看看准确率是否提升。
• 用自己画的数字图片来测试模型（需要学习图像处理）。
• 探索更多入门教程，比如用Keras搭建图像分类器。

记住，AI入门的关键是动手实践，别怕报错，每次错误都是学习的机会。