准备环境

首先，你需要一个Python（一种编程语言，AI开发最常用）环境。推荐安装Anaconda（一个包含Python和常用工具的软件包），它自带Jupyter Notebook（一个写代码的网页工具，方便逐行运行）。

• 访问 Anaconda官网，下载对应系统的安装包。
• 安装时勾选“Add Anaconda to my PATH environment variable”（把Anaconda加入系统路径，这样可以在命令行直接调用）。
• 安装完成后，打开终端（Mac/Linux）或命令提示符（Windows），输入 python --version 确认安装成功。

安装AI库

我们需要TensorFlow（谷歌开发的AI框架，帮助快速搭建神经网络）和Keras（TensorFlow的高级接口，更易用）。

1. 打开终端或命令提示符。
2. 输入 pip install tensorflow 并回车，等待下载完成。
3. 输入 pip install jupyter 安装Jupyter Notebook（如果Anaconda已包含可跳过）。

常见坑：如果下载慢，可以添加国内镜像源，例如 pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple。

运行第一个AI程序

我们用Keras内置的MNIST数据集（手写数字图片集）训练一个识别数字的模型。

1. 在终端输入 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. 在单元格中输入以下代码，然后按 Shift+Enter 运行：

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)
model.evaluate(x_test, y_test)

运行后你会看到训练进度和最终准确率（大约98%）。恭喜，你跑通了第一个AI模型！

下一步可以做什么

• 尝试修改epochs（训练轮数）看准确率变化。
• 用自己拍的图片测试模型（需要预处理成28x28灰度图）。
• 学习更多教程：搜索“TensorFlow 官方入门”或“Keras 教程”。