递归执行引擎通过循环迭代加显式栈管理替代深度递归，核心是蹦床模式：每个步骤返回thunk或指令对象，引擎统一调度执行，避免调用栈增长；支持状态栈、尾调用优化与指令集抽象。
设计一个递归执行引擎，核心是把原本可能栈溢出的深度递归，转成循环迭代加显式栈管理；支持蹦床（trampoline）模式的关键，在于让每个递归步骤只返回下一个要执行的函数（或指令），由引擎统一调度，避免真实调用栈增长。
递归执行引擎的基本结构
引擎本质是一个“控制循环”，它不直接调用函数，而是驱动一个任务队列或调用栈。每个递归步骤被封装为可执行单元（比如一个函数对象、带参数的闭包，或轻量指令结构）。
- 维护一个待执行任务列表（如数组或双端队列），初始推入顶层调用
- 主循环不断 pop 一个任务，执行它，再根据返回值决定下一步：继续 push 新任务、返回结果，或终止
- 任务执行体不能直接递归调用自身，而应返回描述“下一步做什么”的数据（如 { type: 'call', fn: f, args: [x] } 或 { type: 'return', value: 42 }）
蹦床模式的核心实现
蹦床（trampoline）不是语法糖，而是一种控制流重定向机制：每个函数执行完后，不真正 return 到上层调用者，而是把下个动作“抛给”引擎，由引擎决定是否继续循环或退出。
Javascript Sdk
下载
用于 inference.sh 的 JavaScript/TypeScript SDK，可运行 AI 应用、构建代理、集成 150+ 模型。包名：@inferencesh/sdk（npm install），完整 TypeScript 支持。
- 所有递归函数必须返回一个“thunk”（零参函数）或指令对象，而不是真实结果
- 引擎用 while 循环反复调用当前 thunk，直到它返回非函数值（即最终结果）
- 示例伪代码：let result = f(...args); while (typeof result === 'function') { result = result(); } return result;
- 注意：thunk 必须是惰性求值的闭包，捕获下一次调用所需的全部上下文（参数、状态等）
支持状态与尾调用优化的技巧
纯蹦床能防栈溢出，但若每次都要新建闭包，可能带来内存压力。可结合显式状态栈 + 尾位置识别来进一步优化。
- 将递归参数和局部变量打包进一个上下文对象，压入引擎栈；每次只处理栈顶上下文，更新后决定是继续处理、弹出，还是压入新上下文
- 对明显尾递归形式（如 return f(x+1, y)），引擎可直接复用当前栈帧，替换参数后跳转，无需新增栈项
- 可引入指令集抽象（如 CALL、RETURN、JUMP、PUSH_FRAME），让业务逻辑编译为指令流，引擎专注解释执行
实际落地的小建议
不必从零造轮子。多数语言已有成熟实践参考：
- JavaScript 可基于 Promise 链或 async/await 模拟蹦床（但注意 await 本身不解决同步栈问题，需配合微任务）
- Rust 中可用 Box<dyn FnOnce() -> TrampolineResult> 构建类型安全的蹦床循环
- Python 可借助 yield 实现协程式递归调度，用生成器暂停/恢复代替调用栈
- 关键调试点：打日志看任务压栈深度、thunk 创建频率、单次循环耗时，避免隐式递归逃逸
