为什么先聊许可证？

在你下载或上传 AI 项目前，得知道代码能用在哪。默认情况下，你的代码是“保留所有权利”——别人不能随便复制、修改或商用。开源许可证就是一份法律合同，告诉别人你可以怎么用我的代码。

• MIT：最宽松，只要保留作者名，随便用。适合个人项目或库。
• Apache 2.0：类似 MIT，但额外保护专利。适合企业项目。
• GPL-3.0：强传染性，用了它的代码，你的项目也必须开源。适合想强制开源的项目。
• AGPL-3.0：比 GPL 更严，网络服务也要开源。适合 SaaS 类项目。
• BUSL-1.1：不是真正的开源，四年后转成 Apache。适合有商业竞争顾虑的公司。

新手建议：AI 学习项目选 MIT 最简单，不怕踩坑。

准备环境：装 Python 和必备工具

AI 开发首选 Python（一种简单易学的编程语言）。去 python.org 下载最新版，安装时勾选“Add Python to PATH”。

• 打开终端（Windows 用 cmd 或 PowerShell，Mac 用终端），输入 python --version，看到版本号就成功了。
• 安装 pip（Python 的包管理器）：一般自带，输入 pip --version 验证。

然后安装 AI 常用库：

1. pip install numpy（数值计算库）
2. pip install pandas（数据处理库）
3. pip install scikit-learn（机器学习库）
4. pip install matplotlib（画图库）

⚠️ 坑：如果你用 Mac 或 Linux，可能需要用 pip3 代替 pip。

跑通第一个 AI 示例

新建一个文件 hello_ai.py，粘贴以下代码：

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载鸢尾花数据集（一个经典 AI 入门数据）
data = load_iris()
X = data.data
y = data.target

# 分成训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 训练一个决策树分类器
clf = DecisionTreeClassifier()
clf.fit(X_train, y_train)

# 预测并计算准确率
y_pred = clf.predict(X_test)
print('准确率：', accuracy_score(y_test, y_pred))

在终端运行 python hello_ai.py，看到输出“准确率：0.9”左右，恭喜你跑通了第一个 AI 程序！

下一步可以做什么

• 试试修改 test_size 参数，看准确率怎么变。
• 换用其他分类器，比如 KNeighborsClassifier。
• 找一份自己的数据（比如 CSV 文件），用 pandas 读取后训练模型。

记住：AI 入门就是多试、多看文档、别怕报错。现在你已经有基础了，继续探索吧！