象棋游戏里的人机走棋通常是算法与题库结合的方式，二者在不同阶段发挥作用，具体如下：

题库的应用

开局库：开局阶段局面相对固定，且有大量经过实战验证的最优走法。开局库收录了这些经典开局套路，人机在开局时会优先匹配库中的局面，直接采用成熟走法。例如常见的 “中炮对屏风马”“仙人指路” 等开局，若当前局面与库中记录一致，人机无需计算即可快速走棋，既节省搜索时间，又能保证开局的合理性。
残局库：残局阶段棋子数量少，局势相对简单，且存在许多必胜或必和的固定模式。残局库收录了这些残局的最优解，当人机检测到局面进入残局库范围时，会按照库中策略走棋，确保在优势局面下获胜，或在劣势局面下寻求和棋。比如 “单车胜士象全”“马兵胜单士” 等残局，人机可通过匹配残局库精准走棋。

算法的核心作用

搜索算法：这是人机在中局阶段（开局库和残局库未覆盖的局面）的核心决策依据。由于中局局面复杂多变，无法通过题库覆盖，需通过算法模拟后续走法并选择最优解。常见的搜索算法包括：
极小极大算法：模拟双方轮流走棋，假设己方追求最大收益，对方追求最小化己方收益，通过递归遍历后续多步走法，计算每种走法对应的局面得分，最终选择对己方最有利的走法。
Alpha-Beta 剪枝算法：是极小极大算法的优化版本，通过设置 α（己方最低可接受得分）和 β（对方最高可接受得分）两个参数，剪去不可能成为最优解的分支，大幅减少搜索量，提高计算效率。
蒙特卡洛树搜索（MCTS）：通过随机模拟大量棋局，统计不同走法的胜率，优先探索胜率高的分支，逐步优化决策，常用于顶级象棋 AI 程序。
局面估值算法：配合搜索算法使用，用于对当前棋局进行量化评分，判断局面优劣。估值通常综合以下因素：
棋子价值：**不同棋子设定不同分值（如车 > 马 > 炮 > 兵），将（帅）分值极高，确保人机优先保护将帅。
位置价值：棋子在不同位置的价值不同（如车在中路价值高于边路，过河兵价值高于未过河兵），通过位置矩阵量化评分。
威胁与保护价值：评估棋子是否受敌方威胁或被己方保护，受威胁的棋子会扣分，被保护的棋子会加分，引导人机做出攻防决策。

算法与题库的协同逻辑

开局阶段：优先匹配开局库，快速走棋，避免冗余计算。
中局阶段：若局面超出开局库范围，启动搜索算法（如 Alpha-Beta 剪枝）结合局面估值，模拟后续多步走法并选择最优解。
残局阶段：实时检测局面是否匹配残局库，若命中则按库走棋；未命中则继续使用算法优化走法。