Alpha-Beta剪枝算法在井字棋AI中可以提供正确的最优移动。下面是一个使用Alpha-Beta剪枝算法的井字棋AI示例代码：

def minimax(board, depth, alpha, beta, maximizing_player):
    if depth == 0 or board.is_game_over():
        return evaluate(board)

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

def get_best_move(board, depth):
    best_move = None
    max_eval = float('-inf')
    alpha = float('-inf')
    beta = float('inf')
    for move in board.get_valid_moves():
        board.make_move(move)
        eval = minimax(board, depth - 1, alpha, beta, False)
        board.undo_move(move)
        if eval > max_eval:
            max_eval = eval
            best_move = move
    return best_move

在上面的代码中，minimax函数使用递归的方式实现了Alpha-Beta剪枝算法。在每个递归层次中，根据当前玩家是最大化还是最小化玩家，选择最大或最小的评估值，并更新alpha和beta的值来进行剪枝。

get_best_move函数使用minimax函数来找到最佳移动。它遍历所有合法的移动，并计算每个移动的评估值，然后选择评估值最大的移动作为最佳移动。

这样，使用Alpha-Beta剪枝算法的井字棋AI可以提供正确的最优移动。