准备环境：装好Python和包管理器

首先，你需要安装Python（一种编程语言，AI开发最常用的工具）。去官网 python.org/downloads 下载最新版（建议3.10以上）。安装时记得勾选“Add Python to PATH”。完成后打开终端（Windows叫命令提示符），输入 python --version，看到版本号就对了。接着安装pip（Python的包管理器，用来装各种工具包）。一般Python自带pip，输入 pip --version 检查。如果没有，可以用 python -m ensurepip --upgrade 安装。

安装Jupyter Notebook：写代码的交互式笔记本

Jupyter Notebook 是一个网页版的编程环境，让你能边写代码边看结果，最适合新手。在终端输入：pip install jupyter。等待安装完成后，输入 jupyter notebook，浏览器会自动打开一个页面。如果没自动打开，复制终端里显示的网址（比如 http://localhost:8888）到浏览器地址栏。常见坑：如果提示“jupyter不是内部命令”，说明Python Scripts目录没加到PATH，重新安装Python时勾选那个选项即可。

安装TensorFlow和跑第一个模型

TensorFlow 是谷歌开发的AI框架，帮你快速搭建和训练模型。在Jupyter里新建一个Notebook（点右上角“New” -> “Python 3”），然后在新单元格里输入：!pip install tensorflow（前面的感叹号表示在单元格里执行终端命令）。安装完成后，输入以下代码并运行（按Shift+Enter）：

import tensorflow as tf
print("TensorFlow version:", tf.__version__)

看到版本号就说明安装成功。现在跑一个最简单的例子：用AI识别手写数字。复制下面代码到新单元格运行：

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.Dropout(0.2),
  tf.keras.layers.Dense(10)
])
model.compile(optimizer='adam',
  loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
  metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)
test_loss, test_acc = model.evaluate(x_test, y_test, verbose=2)
print('Test accuracy:', test_acc)

运行后你会看到训练过程，最后输出测试准确率（大约0.97左右）。恭喜！你已经跑通了第一个AI模型。

下一步可以做什么

现在你可以尝试修改模型（比如增加层数）或用自己的图片做预测。更详细的教程可以访问 TensorFlow官网教程。记住：遇到错误先看终端输出，用搜索引擎搜错误信息，这是程序员的基本技能。