Alpha-beta剪枝算法是搜索游戏树的常用优化方法，可以减少搜索过程中的节点数目。而“silly move”则指的是一种在搜索游戏树时，人为地选择一个不太可能获胜的着法，以此来减少搜索中的节点数目。

以下是使用Alpha-beta剪枝算法，加入“silly move”优化的Python示例代码：

def alpha_beta_pruning_with_silly_move(node, depth, alpha, beta, maximizing_player):
    if depth == 0 or node.is_terminal_node():
        return node.evaluate()

    if maximizing_player:
        value = float("-inf")
        for child in node.get_children():
            if is_silly_move(child):
                continue
            value = max(value, alpha_beta_pruning_with_silly_move(child, depth - 1, alpha, beta, False))
            alpha = max(alpha, value)
            if alpha >= beta:
                break
        return value
    else:
        value = float("inf")
        for child in node.get_children():
            if is_silly_move(child):
                continue
            value = min(value, alpha_beta_pruning_with_silly_move(child, depth - 1, alpha, beta, True))
            beta = min(beta, value)
            if alpha >= beta:
                break
        return value

def is_silly_move(node):
    # 判断一个着法是否是“silly move”，比如下在自己的棋子上
    pass

在上述代码中，对于每一个子节点，都会通过判断其是否为“silly move”而进行选择或继续搜索，从而减少了不必要的搜索节点数目，提高了搜索效率。