准备环境：需要安装什么

在开始之前，你需要准备三样东西：Python（一种简单易学的编程语言，AI开发最常用的工具）、代码编辑器（用来写代码的软件，推荐VS Code）和命令行工具（用来运行命令的窗口，Windows用CMD，Mac用终端）。

安装步骤：一步步来

1. 下载Python：访问python.org，点击下载最新版（建议3.8以上）。安装时记得勾选“Add Python to PATH”（把Python加入系统路径），这样你才能在任何地方使用它。
2. 验证安装：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。常见坑：如果提示“不是内部命令”，说明没有勾选PATH，重新安装并勾选即可。
3. 安装代码编辑器：下载VS Code（code.visualstudio.com），安装后打开。点击左侧扩展图标，搜索“Python”并安装微软官方的Python扩展，这样写代码时会有自动补全和提示。
4. 安装AI库：在命令行输入pip install numpy pandas scikit-learn（numpy是数学计算库，pandas是数据分析库，scikit-learn是机器学习库）。等待安装完成，如果速度慢可以换国内镜像源，比如pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy pandas scikit-learn。

验证是否成功：运行第一个AI程序

打开VS Code，新建一个文件，命名为first_ai.py。输入以下代码：

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier

# 加载鸢尾花数据集（经典的入门数据集）
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 分割数据为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 创建并训练KNN分类器（一种简单的机器学习算法）
knn = KNeighborsClassifier()
knn.fit(X_train, y_train)

# 预测并打印准确率
accuracy = knn.score(X_test, y_test)
print(f"模型准确率：{accuracy:.2f}")

保存后，在VS Code中按Ctrl+Shift+`打开终端，输入python first_ai.py运行。如果看到类似“模型准确率：0.97”的输出，恭喜你，第一个AI程序跑通了！

下一步可以做什么

• 尝试修改test_size的值（比如0.3），观察准确率变化。
• 学习更多机器学习算法，比如决策树、支持向量机。
• 探索更复杂的AI项目，比如图像识别或自然语言处理。
• 加入在线社区（如Kaggle），参与实战竞赛。