你是不是觉得AI很神秘，全是高深代码？其实入门没你想的那么难。今天我们就从零开始，安装必要的工具，然后跑通你的第一个AI模型。整个过程大概需要30分钟，你只需要一台能上网的电脑。

准备环境：装好Python和包管理器

AI开发最常用的语言是Python（一种简单易学的编程语言）。你需要在电脑上安装它。

• 打开浏览器，访问 python.org，点击下载最新版Python（建议3.9以上）。
• 安装时记得勾选“Add Python to PATH”（把Python添加到系统路径，这样在命令行里就能直接调用）。
• 安装完成后，打开命令行（Windows按Win+R输入cmd；Mac打开终端），输入 python --version，如果显示版本号，说明安装成功。
• Python自带一个叫pip（Python的包安装工具，用来下载别人写好的代码库）的包管理器。输入 pip --version 检查是否可用。

安装AI工具：用pip装一个简单库

我们选一个最简单的AI库——scikit-learn（一个机器学习工具包，里面有很多现成的算法和范例数据）。

1. 在命令行输入 pip install scikit-learn，回车。等待下载安装完成。
2. 如果速度很慢，可以换成国内镜像：pip install scikit-learn -i https://pypi.tuna.tsinghua.edu.cn/simple。
3. 安装完后，输入 python -c "import sklearn; print(sklearn.__version__)"，如果能打印出版本号，说明安装成功。

常见坑：如果提示“pip不是内部命令”，说明Python没加到PATH，重装时勾选那个选项；如果报错“权限不足”，Mac/Linux用户加sudo，Windows用户以管理员身份运行命令行。

跑通第一个模型：训练一个分类器

我们用一个经典的鸢尾花数据集（包含三种花的萼片和花瓣长度）来训练一个简单的分类模型。

1. 新建一个文本文件，重命名为 first_ai.py。
2. 用记事本打开，复制以下代码：

   from sklearn.datasets import load_iris
   from sklearn.tree import DecisionTreeClassifier
   from sklearn.model_selection import train_test_split
   from sklearn.metrics import accuracy_score
   
   # 加载数据
   iris = load_iris()
   X = iris.data
   y = 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 = DecisionTreeClassifier()
   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))

3. 保存文件，在命令行进入该文件所在目录，输入 python first_ai.py，回车。
4. 如果看到输出“准确率: 1.0”或接近1的数字，恭喜你，第一个AI模型跑通了！

下一步可以做什么

• 换一个数据集：scikit-learn还内置了手写数字、波士顿房价等数据集，试试用同样的代码跑。
• 换一个算法：把 DecisionTreeClassifier 换成 KNeighborsClassifier 或 LogisticRegression，看看准确率变化。
• 学习可视化：装个matplotlib（绘图库），把数据画成图表。

记住，AI的核心就是“数据 + 算法 + 计算”，你刚刚已经走完了第一步。以后遇到不懂的库，多用搜索引擎，多看官方文档，你会越来越熟练的。