蹦床函数是手动将尾递归“拍平”为循环的模式，通过返回thunk（延迟执行的函数）而非直接递归调用，使栈深度恒定为1～2，从而绕过JavaScript、Python等不支持TCO环境下的栈溢出。
什么是蹦床函数，它为什么能绕过栈溢出
蹦床函数不是语言内置特性，而是一种手动把递归调用“拍平”成循环的模式。它解决的核心问题是：JavaScript、Python 等不支持尾调用优化（TCO）的环境里，深度递归必然爆栈——RangeError: Maximum call stack size exceeded 或 RecursionError: maximum recursion depth exceeded。蹦床本身不改变算法逻辑，只是把每次“该递归调用自己”的动作，变成返回一个函数（thunk），由外层循环统一执行。
关键点在于：返回的是函数，不是立即调用；执行权交还给 while 循环，而非压入新栈帧。
手写蹦床函数的最小可行实现（以 JavaScript 为例）
最简版本只要三行，但必须严格满足“返回函数、不直接调用、循环解包”三个条件：
function trampoline(fn) {
while (typeof fn === 'function') fn = fn();
return fn;
}配合改造后的递归函数使用，例如计算阶乘：
function factorial(n, acc = 1) {
if (n <= 1) return acc;
return () => factorial(n - 1, n * acc); // 必须返回 thunk，不能写 factorial(n - 1, n * acc)
}调用时包裹一层：trampoline(() => factorial(10000))。此时栈深度恒为 1～2，不会溢出。
- 必须用箭头函数或
bind包一层再传入trampoline，否则factorial(10000)会立刻执行并爆栈 -
factorial内部不能有多个分支都返回 thunk；所有递归路径都要统一返回函数，否则while循环会提前退出 - thunk 内不能带参数（如
() => factorial(n-1, acc)是对的，() => factorial(n-1)(acc)是错的）
Python 中怎么写等效蹦床（注意生成器陷阱）
Python 没有原生 thunk 概念，但可用 lambda 或 functools.partial 模拟。常见错误是误用生成器——yield 不等于 thunk，它不会阻止递归调用发生。
正确写法示例（斐波那契）：
def fib_trampoline(n, a=0, b=1):
if n == 0:
return a
return lambda: fib_trampoline(n - 1, b, a + b)
<p>def trampoline(fn):
while callable(fn):
fn = fn()
return fn</p><p>result = trampoline(lambda: fib_trampoline(20000))- 不要用
yield替代lambda：生成器函数被调用时仍会建立新栈帧，无法规避溢出 -
functools.partial(fib_trampoline, n-1, b, a+b)也可用，但要注意参数绑定顺序，避免意外求值 - CPython 的默认递归限制（
sys.setrecursionlimit）对 thunk 无效，但对原始递归函数仍有影响——所以改造前的函数仍需确保不被直接调用
哪些递归不适合蹦床？性能和可读性代价在哪
蹦床不是银弹。它只对尾递归有效，且会显著增加心智负担和调试难度。
- 非尾递归（比如树的中序遍历中“左→根→右”，根处理后还要等右子树结果）无法直接转为单个 thunk，得手动维护调用上下文栈，代码复杂度陡增
- 每次返回函数都产生闭包，大量 thunk 会推高内存占用，尤其在 V8 中可能触发更多垃圾回收
- 堆栈追踪完全丢失原始调用链，报错时只能看到
trampoline和最后一层 thunk，debug 需额外打日志或加标识字段 - 如果目标平台已支持 TCO（如 Safari 的严格模式），或你本就可以改用迭代（如用
for替代map递归），蹦床反而多此一举
真正需要它的时候，往往是你在写解析器、状态机或处理不可控深度的数据结构，且明确被栈溢出卡住——其他情况，先检查能不能展开、缓存、分片或换算法。
