准备环境：你需要装什么？

在开始AI编程之前，你需要安装几个基础工具。别担心，都很简单。

• Python：一种容易学的编程语言，AI开发最常用它。去官网 python.org 下载最新版（推荐3.10或更高），安装时记得勾选“Add Python to PATH”。
• 代码编辑器：写代码的地方。推荐用 VS Code，免费又好用。下载地址：code.visualstudio.com。
• 终端（命令行）：Windows用户用PowerShell或CMD，Mac/Linux用户用终端。后面几步需要在这里输入命令。

常见坑：安装Python后，在终端输入 python --version 看看有没有显示版本号。如果没有，可能是PATH没加对，重新安装并勾选“Add Python to PATH”。

安装步骤：一步步来

1. 创建虚拟环境：虚拟环境能隔离不同项目的依赖，避免冲突。在终端中，先进入你的项目文件夹（比如 cd my-ai-project），然后输入：
   python -m venv venv
   这会在当前文件夹创建一个叫 venv 的虚拟环境。
2. 激活虚拟环境：
   Windows：venv\Scripts\activate
   Mac/Linux：source venv/bin/activate
   激活后，终端前面会出现 (venv) 字样。
3. 安装常用AI库：在虚拟环境激活状态下，输入以下命令安装核心库：
   pip install numpy pandas matplotlib scikit-learn jupyter
   这些库分别是：NumPy（数学计算）、Pandas（数据处理）、Matplotlib（画图）、Scikit-learn（机器学习工具）、Jupyter（交互式编程环境）。
4. 验证安装：输入 python -c "import numpy; print('OK')"，如果输出 OK，说明安装成功。

常见坑：如果 pip install 很慢，可以换成国内镜像源，比如 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 包名。

跑通第一个AI程序：训练一个简单的分类器

现在我们来运行一个真正的AI示例——用鸢尾花数据集训练一个分类器。这个数据集包含三种鸢尾花的花瓣和花萼尺寸，AI要学会根据这些数据判断花的种类。

1. 在终端中启动Jupyter：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. 在代码单元格中粘贴以下代码，然后按Shift+Enter运行：
   from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

# 加载数据
iris = load_iris()
X, y = iris.data, iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建并训练模型
model = KNeighborsClassifier(n_neighbors=3)
model.fit(X_train, y_train)

# 预测并评估
y_pred = model.predict(X_test)
print('准确率:', accuracy_score(y_test, y_pred))

4. 如果输出类似 准确率: 1.0（即100%），恭喜你，你的第一个AI程序跑通了！

常见坑：如果提示 ModuleNotFoundError，说明某个库没装好，重新运行 pip install 命令安装缺失的库。

下一步可以做什么

• 尝试修改 n_neighbors 的值（比如改成5），看看准确率怎么变。
• 用你自己的数据（比如CSV文件）来训练模型，步骤类似。
• 学习更多AI概念：监督学习（用标签数据训练）、无监督学习（没有标签，让AI自己找规律）。

记住，AI入门的关键是先跑通一个例子，再慢慢理解背后的原理。遇到问题多搜索，社区里有很多热心人帮忙。加油！