很多人觉得 AI 很高深，其实入门只需要三个步骤：装好工具、写一小段代码、看它跑起来。本文带你走完整个过程。

准备环境：装 Python 和包管理器

AI 模型大多用 Python（一种编程语言）编写。你需要先安装它。

• 前往 python.org，下载最新版 Python（如 3.11 或 3.12）。
• 安装时勾选“Add Python to PATH”，这样你才能在命令行里调用它。
• 安装完成后，打开终端（Windows 用 cmd，Mac 用终端），输入 python --version，看到版本号即成功。

接下来安装 pip（Python 的包管理器，用来安装别人写好的代码库）。新版 Python 自带 pip，输入 pip --version 验证。

安装 AI 常用库

我们用到几个核心库：scikit-learn（机器学习工具包，提供各种模型）、pandas（数据处理工具）、numpy（数学计算库）。

1. 打开终端，输入以下命令安装：
   pip install scikit-learn pandas numpy
2. 等待安装完成，看到“Successfully installed”字样即可。

小提醒：如果安装慢，可以加国内镜像，例如 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple scikit-learn pandas numpy。

跑通第一个模型：预测用户是否受益

这里我们用 uplift modeling（提升建模）来演示。它不是一个模型名字，而是一类方法，用来判断“给某个用户新功能，他会不会比不给时表现更好”。我们直接用最简单的代码跑通。

1. 创建一个新文件，比如 first_model.py，用记事本或任何代码编辑器打开。
2. 复制下面代码进去：

   import numpy as np
   from sklearn.ensemble import RandomForestClassifier
   
   # 模拟数据：1000个用户，每个有5个特征
   X = np.random.rand(1000, 5)
   # 模拟是否收到新功能（0或1）
   treatment = np.random.randint(0, 2, 1000)
   # 模拟用户是否完成任务（0或1）
   y = np.random.randint(0, 2, 1000)
   
   # 训练一个简单的分类器
   model = RandomForestClassifier()
   model.fit(X, y)
   
   # 预测每个用户完成任务概率
   pred = model.predict_proba(X)[:, 1]
   print("预测完成，前5个用户的概率：", pred[:5])

3. 在终端运行：python first_model.py，你会看到类似 预测完成，前5个用户的概率： [0.34 0.67 0.51 0.22 0.88] 的输出。

恭喜！你已经跑通了第一个 AI 模型。虽然它只是随机数据，但整个流程——装环境、写代码、运行——和真实项目一模一样。

下一步可以做什么

• 尝试用真实数据：找一份 CSV 文件，用 pandas.read_csv() 读取，替换掉随机数据。
• 学习更多模型：在 scikit-learn 官网查看分类、回归、聚类等例子。
• 理解 uplift modeling：搜索“uplift model python tutorial”，用真实案例加深理解。

记住，AI 入门的关键是动手。先跑通，再深究原理。祝你顺利！