小甜甜小甜甜离婚协议这种人间烟火气最重的事情，居然能用递归函数写出来，我第一次听到这个想法的时候也觉得有点离谱。但仔细一想，作为软件测试出身的工程师，这类“把模糊的现实决策转成精确的计算规则”的问题恰恰是最有意思的挑战。抚养权分割本质上是一个多因素、多约束的组合分配问题，而递归这种“把一个大规模问题拆成结构相同的小问题”的思维，天然就适合建模这类分配逻辑。这篇文章我想从一个软件测试工程师的视角，把整个“递归分割孩子”的建模、实现、鲁棒性设计和测试过程完整讲一遍。内容覆盖核心算法、边界条件、失败注入测试，以及我踩过的几个真实的坑。如果你对算法设计、测试思维、或者“技术如何介入人文决策”这个话题感兴趣，这篇文章应该能给你一些不一样的东西。
1. 问题剖析：为什么“分割孩子”会被我建模成递归问题
1.1 一个容易被误读的“冷酷”需求背后，其实是抽象建模
很多程序员听到“用代码写离婚协议”这种需求，第一反应是“这也太没人情味了”。但实际上，把现实世界的决策规则变成可执行的代码，不是什么冷血行为，而是抽象建模能力的一种体现。抚养权分配涉及的因素极多：孩子的年龄、居住环境稳定性、教育资源的匹配度、父母双方的经济能力和陪伴时间、孩子本人的意愿，甚至还有地域因素。如果我们要做一个辅助决策工具，就必须把这些因素转化为可量化的输入，然后沿着明确的规则去计算。
这里要强调一点：代码只是辅助决策的工具，不是替代法官或当事人做最终判断。我参与过类似的项目后最深的感觉是，算法的价值不是给出一个“正确答案”，而是把所有可行方案和它们的量化指标摊开，让决策者看到一个全局的图谱。有了这个图谱，讨论的焦点就从“我觉得应该怎么分”变成“为什么这个方案在这些指标上更优”，沟通效率会高很多。
1.2 递归的核心思想：把“n个孩子怎么分”拆成“一个孩子怎么分 + 剩下n-1个孩子怎么分”
为什么这个问题适合用递归而不是迭代？最根本的原因是：我们事先不知道有多少个孩子，也不知道每个孩子的归属会对整体分配产生什么连锁影响。递归的思路非常直白——我先把第一个孩子分配给父亲，然后递归处理剩余的孩子；再把第一个孩子分配给母亲，再递归处理剩余的孩子。当剩余孩子数量为0时，就得到了一套完整的分配方案。整个过程其实就是在一棵二叉树上做深度优先遍历，树的每条从根到叶子的路径都代表一个完整的分配方案。
这种拆解方式比起嵌套n层for循环要优雅得多，因为你不需要在编码的时候就知道n是多少。写得好的递归函数，读起来就是一段逻辑自描述的代码：终止条件、状态更新、递归调用、状态恢复。每一步都对应着现实世界里的一个决策步骤。
1.3 定义清楚输入、输出和评估函数，是算法能否落地的关键
编程的第一课就是“先定义数据结构，再写逻辑”。在这个项目里我定义了这样几个输入：
- 每个孩子的唯一标识（不要用姓名，因为可能出现双胞胎同名的情况，要使用ID）
- 孩子的年龄
- 孩子与父亲、母亲分别的“综合匹配度”评分，0到100分
- 孩子的意愿倾向（只支持 father / mother / none 三种）
- 父母双方的“抚养容量”，比如经济能力、居住面积、可投入时间等，同样是0到100分
输出是一个分配方案：每个孩子最终归父亲还是母亲。但单纯输出一个方案还不够，必须同时输出这个方案的两个关键指标：双方总分差和偏好满足度。前者用于衡量“分得是否公平”，后者用于衡量“孩子意愿是否被尊重”。两个指标必须同时展示，因为只追求公平可能会忽视孩子本人的感受，而只追求偏好满足则可能把资源压力全压在其中一方身上。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 核心算法实现：递归枚举与多方案择优
2.1 数据结构与输入约定
我用了Python来做原型，主要是它的表达力强，适合快速验证想法。数据结构就是一个字典列表，每个孩子一个字典：
python复制children = [
{"id": "C001", "age": 8, "father_match": 85, "mother_match": 78, "preference": "father"},
{"id": "C002", "age": 12, "father_match": 72, "mother_match": 88, "preference": "mother"},
{"id": "C003", "age": 5, "father_match": 90, "mother_match": 91, "preference": "none"},
]
father_capacity = 80 # 父亲的抚养综合容量
mother_capacity = 75 # 母亲的抚养综合容量
这里的 father_match 表示孩子与父亲共同生活的综合匹配度，由教育环境、亲属支持度、生活习惯匹配等子项加权计算得到。father_capacity 是父亲这方可投入的抚养综合能力。二者是不同维度的数据，在评估时需要分开考虑。
2.2 递归枚举所有分配方案
核心枚举逻辑我封装成了一个生成器，用 yield 逐个返回完整方案，避免把所有方案都堆在内存里：
python复制def enumerate_assignments(children):
n = len(children)
assignment = [0] * n # 0 表示父亲，1 表示母亲
def dfs(idx):
if idx == n:
yield tuple(assignment)
return