准备环境：你需要装什么？

开始之前，先了解两个核心工具：Python（一种编程语言，AI 开发最常用）和 Jupyter Notebook（一个在浏览器里写代码的工具，特别适合新手）。

• 下载 Python：去官网 python.org，点击下载最新版（比如 3.12）。安装时记得勾选“Add Python to PATH”（这样系统才能找到 Python）。
• 安装 Jupyter Notebook：打开命令提示符（Windows 按 Win+R 输入 cmd），输入 pip install jupyter 并回车。等它跑完就行。

常见坑提醒：如果提示“pip 不是内部命令”，说明 Python 没加到 PATH，重装一次并勾选那个选项。

安装步骤：一步步来

1. 打开命令提示符，输入 jupyter notebook 并回车。浏览器会自动打开一个页面，这就是 Jupyter 界面。
2. 点击右上角的“New”按钮，选择“Python 3 (ipykernel)”，创建一个新笔记本。
3. 在新出现的单元格里输入 print('Hello AI!')，然后按 Shift+Enter 运行。看到输出就说明环境正常。

常见坑提醒：如果浏览器没自动打开，复制终端里出现的那个 localhost 地址（比如 http://localhost:8888）手动打开。

验证是否成功：跑一个真正的 AI 模型

我们用一个最简单的手写数字识别模型来验证。在 Jupyter 笔记本里输入以下代码（每个代码块单独一个单元格）：

• TensorFlow：一个 AI 框架，帮我们快速搭建模型。安装命令：pip install tensorflow。
• 运行代码：

  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=5)
  

• 运行后如果看到类似“Epoch 1/5 ... loss: ... accuracy: ...”的输出，说明模型在训练，你就成功跑通了第一个 AI 程序！

常见坑提醒：如果下载数据很慢，可以手动下载 mnist.npz 放到 ~/.keras/datasets 目录下。

下一步可以做什么？

你已经学会了搭建环境和运行基础 AI 模型。接下来可以：

• 试试修改模型结构（比如增加层数、改变神经元数量）。
• 找一些公开数据集（比如 Kaggle 上的房价预测），做自己的小项目。
• 学习更多 Python 和 AI 概念，比如卷积神经网络（CNN）用于图片识别。