在Connect4游戏中，如果AI算法忽略了设定的参数，我们可以通过检查和调整代码来解决这个问题。以下是一个可能的解决方法的示例代码：

class Connect4AI:
    def __init__(self, depth):
        self.depth = depth

    def minimax(self, board, depth, maximizing_player):
        # 忽略了设定的参数depth
        if depth == 0 or board.is_game_over():
            return self.evaluate(board)

        if maximizing_player:
            max_eval = float('-inf')
            for move in board.get_valid_moves():
                board.make_move(move)
                eval = self.minimax(board, depth - 1, False)
                board.undo_move(move)
                max_eval = max(max_eval, eval)
            return max_eval
        else:
            min_eval = float('inf')
            for move in board.get_valid_moves():
                board.make_move(move)
                eval = self.minimax(board, depth - 1, True)
                board.undo_move(move)
                min_eval = min(min_eval, eval)
            return min_eval

    def evaluate(self, board):
        # 评估当前局面的函数
        pass

    def make_move(self, board):
        best_move = None
        max_eval = float('-inf')
        for move in board.get_valid_moves():
            board.make_move(move)
            eval = self.minimax(board, self.depth, False)
            board.undo_move(move)
            if eval > max_eval:
                max_eval = eval
                best_move = move
        return best_move

# 使用AI进行游戏
ai = Connect4AI(3)  # 设定AI的搜索深度为3
board = Connect4Board()

while not board.is_game_over():
    if board.current_player == AI_PLAYER:
        move = ai.make_move(board)
        board.make_move(move)
    else:
        # 玩家输入下棋的位置
        move = get_player_move()
        board.make_move(move)

    # 打印当前棋盘状态
    board.print_board()

# 游戏结束，打印结果
result = board.get_result()
print(result)

在上述代码中，Connect4AI类的构造函数接受一个整数参数depth，用于设置AI搜索的深度。minimax函数是AI的核心算法，它使用递归方式实现了Alpha-Beta剪枝的极小极大搜索。在make_move函数中，AI根据当前棋盘状态使用minimax算法选择最佳的下棋位置。

通过在初始化AI对象时设置合适的depth参数，我们可以调整AI搜索的深度。