蹦床函数通过统一控制流模式将递归转为循环，在无TCO环境中实现跨环境递归支持；其核心是函数返回thunk而非结果，由轻量调度器执行，状态显式传递，且可扩展支持异步。
蹦床函数不是跨环境的“自动适配器”，它本身不感知运行时差异，而是通过统一的控制流模式，在 JavaScript、Python 等不支持尾调用优化（TCO）的环境中，手动把递归逻辑转为循环执行。实现跨环境递归支持的关键，是让业务逻辑与执行引擎解耦——函数只负责返回下一步动作，环境无关的调度器决定如何执行。
核心思路：函数返回动作，而非结果
所有环境共用同一套设计契约：递归函数不直接调用自身，而是返回一个“待执行单元”（thunk）。这个单元必须是无参函数，闭包捕获全部上下文（如当前参数、累积状态、路径信息），确保执行时不依赖外部作用域或调用栈。
- JavaScript 中常用
() => f(a, b)或f.bind(null, a, b) - Python 中推荐
lambda: f(a, b)或functools.partial(f, a, b)，避免生成器误用（yield不等于 thunk） - 只要返回值类型可判定为“可调用对象”，主调度循环就能复用
统一调度器：最小兼容接口
每个环境只需实现一个轻量级 trampoline 函数，它只做三件事：接收初始 thunk → 循环执行 → 返回终值。无需修改算法逻辑，也不依赖语言特性。
提示词大师-python版
下载
图片提示词生成器？不止如此。 马甲系统 —— 把脑海中的画面，翻译成AI能理解的专业表达。 用得越多，它越懂你：首次需要多问几句确认方向，用久了几乎一说就懂。 用得越多，它越快：缓存机制让后续对话越来越省。 RAG进化：成功案例持续入库，越跑越聪明。 输入「新手指南」查看完整功能介绍
- JavaScript 版本：
function trampoline(fn) { while (typeof fn === 'function') fn = fn(); return fn; } - Python 版本：
def trampoline(func): result = func(); while callable(result): result = result(); return result - 两者输入输出行为一致：入参是 thunk，出参是最终计算结果，中间过程对上层透明
参数与状态传递必须显式化
跨环境稳定运行的前提，是杜绝隐式依赖。闭包变量、全局状态、this 指向、generator context 等，在不同引擎中行为不一致，容易导致逻辑错乱或内存泄漏。
- 所有递归分支都必须返回 thunk，包括终止条件之外的中间路径（例如树遍历中遇到空节点，也应返回
() => null或明确哨兵值） - 路径、计数器、缓存映射等状态，全部作为参数传入下一层，而不是靠外层变量累加
- 例如深拷贝中，
seenMap 必须作为参数传给下一个 thunk：() => deepClone(val, new Map(seen))，而非复用原引用
与异步/并发边界对齐
纯蹦床仍是同步执行，但可自然延伸支持跨环境异步场景。关键在于把“thunk 执行”替换为“promise 解析”，调度器升级为 async 版本。
- 前端可结合
await Promise.resolve()在每 N 层后让出主线程，防 UI 阻塞 - Node.js 或 Python asyncio 环境中，thunk 可返回
async def或Promise，调度器用await驱动 - 示例签名：
async function asyncTrampoline(promiseFn) { let r = await promiseFn(); while (typeof r === 'function') r = await r(); return r; }
