你是不是觉得 AI 很神秘？其实入门很简单。这篇教程会带你一步步装好环境，并跑通你的第一个 AI 程序。你只需要一台能上网的电脑，跟着做就行。

准备环境：装 Python 和包管理工具

AI 程序大多用 Python（一种简单易学的编程语言）来写。第一步就是装 Python。

• 去 python.org 下载最新版 Python（建议 3.10 以上）。
• 安装时记得勾选“Add Python to PATH”（把 Python 加入系统路径，否则后面会找不到命令）。
• 装完后打开终端（Windows 按 Win+R 输入 cmd，Mac 打开“终端”），输入 python --version，看到版本号就说明成功了。

安装 AI 库：TensorFlow 和 Jupyter

Python 装好后，我们需要安装两个重要的库：TensorFlow（谷歌出的 AI 框架，用来搭建和训练模型）和 Jupyter（一个写代码的网页工具，方便测试）。

1. 在终端输入 pip install tensorflow jupyter，按回车。
2. 等待下载安装（网络慢的话可能需要几分钟）。
3. 安装完成后，输入 jupyter notebook，浏览器会自动打开一个页面。如果没有自动打开，把终端显示的网址复制到浏览器地址栏。

常见坑：如果提示“pip 不是内部命令”，说明 Python 没加 PATH，重装并勾选“Add Python to PATH”。

跑通第一个 AI 程序：识别手写数字

Jupyter 打开后，点击右上角“New” -> “Python 3”创建一个新笔记本。把下面代码复制进去，然后按 Shift+Enter 运行。

• 代码会下载一个手写数字数据集（MNIST），训练一个简单的神经网络，然后测试识别准确率。
• 第一次运行会下载数据，稍等片刻。最终你会看到类似“Test accuracy: 0.98”的输出，表示准确率 98%。

完整代码（直接复制）：

import tensorflow as tf

# 加载数据
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
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.Dropout(0.2),
  tf.keras.layers.Dense(10)
])

# 编译并训练
loss_fn = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True)
model.compile(optimizer='adam', loss=loss_fn, metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)

# 测试
test_loss, test_acc = model.evaluate(x_test, y_test, verbose=2)
print('Test accuracy:', test_acc)

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 为更大的数字（比如10），看看准确率会不会提高。
• 学习更多 TensorFlow 教程，试着用自己拍的图片做识别。
• 安装更多库，比如 OpenCV（处理图像）或 Pandas（处理表格数据）。

记住：AI 入门就是不断尝试和犯错。遇到问题就搜索，社区里有很多热心人。祝你玩得开心！