很多初学者想学AI，但卡在第一步：环境装不上。这篇文章带你从零开始，装好必要的工具，跑通第一个程序。

准备环境

你需要三个东西：Python（一种编程语言，AI领域最常用）、pip（Python的包管理器，用来安装别人写好的代码库）和虚拟环境（隔离不同项目的依赖，避免冲突）。

• 下载Python：去 python.org 下载最新版（3.10或以上），安装时勾选“Add Python to PATH”。
• 验证安装：打开终端（Windows用cmd或PowerShell，Mac/Linux用Terminal），输入 python --version 看到版本号即成功。
• 创建虚拟环境：在终端输入 python -m venv myenv，然后激活它（Windows: myenv\Scripts\activate，Mac/Linux: source myenv/bin/activate）。

安装AI核心库

我们用 TensorFlow（谷歌开发的AI框架，帮你快速构建神经网络）作为例子。安装它时会自动安装很多依赖，所以只需一步。

• 确保虚拟环境已激活（终端前面有 (myenv) 字样）。
• 输入 pip install tensorflow，等待下载完成。如果网速慢，可以加国内镜像：pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple。
• 常见坑：如果报错“pip不是内部命令”，说明Python没加到PATH，重装时勾选即可。

跑通第一个模型

我们写一个极简的代码，让AI学会识别手写数字（MNIST数据集，AI界的“Hello World”）。

1. 在终端输入 python 进入交互模式。
2. 逐行粘贴以下代码（不要一次全贴，容易出错）：
   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=3)
3. 等待训练结束（大约1-2分钟），最后你会看到类似 accuracy: 0.98 的输出，说明模型识别准确率高达98%。

常见坑：如果内存不足，减少 epochs 的值（比如改为1）。

下一步可以做什么

• 学更多AI知识：推荐 Andrew Ng 的《机器学习》课程（Coursera免费版）。
• 尝试改模型：把 Dense(128) 改成 Dense(256) 看看准确率变化。
• 部署模型：用 Flask（一个轻量级Web框架）把模型变成网页服务。

现在你已经成功入门AI！记住：遇到错误不要慌，复制错误信息到搜索引擎，99%的问题都有人遇到过。