南瑾i从一次线上事故说起。我维护过一个后台权限系统，部门树最深能到七层，节点不过几千个，某天突然报了 RangeError: Maximum call stack size exceeded。查了半天发现不是数据量问题，也不是死循环，而是有人在一个递归解析函数里对树做了深度优先遍历，函数本身写得没错，错的是它的递归形态——每一层调用都压了新的栈帧，树一深栈就爆了。
后来我把那段逻辑改成尾递归，然后用蹦床（trampoline）包装了一层，问题彻底消失。今天这篇就是想把尾递归从概念、原理到落地优化完整梳理一遍。适合正在学函数式编程、或者想在 JavaScript / Python / Java 这类默认不优化尾递归的语言里解决栈溢出问题的朋友，也适合想搞清楚“尾递归到底怎么优化”的初学者。
1. 从爆栈事故说起：尾递归到底是什么
尾递归（Tail Recursion）这个概念，国内很多教材讲得云里雾雾的，实际上定义非常简单：如果递归调用是函数体内执行的最后一个操作，并且这个调用的返回值直接被当前函数返回，那么这个递归就是尾递归。
判断标准不需要背任何规则，看 return 就行。return f(n-1) 这种基本就是尾递归；return n * f(n-1) 这种，因为递归返回后还要乘 n，所以不是。
1.1 用阶乘看清楚普通递归和尾递归的差别
先看最常见的普通递归求阶乘：
javascript复制function factorial(n) {
if (n <= 1) return 1;
return n * factorial(n - 1);
}
调 factorial(5) 时，实际执行顺序是这样的：
code复制factorial(5)
-> 5 * factorial(4)
-> 5 * (4 * factorial(3))
-> 5 * (4 * (3 * factorial(2)))
-> 5 * (4 * (3 * (2 * factorial(1))))
-> 5 * (4 * (3 * (2 * 1)))
-> 5 * (4 * (3 * 2))
-> 5 * (4 * 6)
-> 5 * 24
-> 120
注意，factorial(5) 的栈帧得一直活着，它要等 factorial(4) 的返回值做乘法。每一层都这样，n 层递归就要 n 个栈帧同时存在。阶乘 n 到了一万，栈基本上就没了。
改成尾递归版本：
javascript复制function factorial(n, acc = 1) {
if (n <= 1) return acc;
return factorial(n - 1, n * acc);
}
这个版本里加了一个累加器参数 acc。每次递归先把当前这一步的乘法结果算好，放进 acc，然后调用自己。外层函数拿到内层递归的返回值后，什么都不做，直接 return 出去。这就叫“最后一个操作是递归调用”。
尾递归式阶乘的执行轨迹是：
code复制factorial(5, 1)
-> factorial(4, 5)
-> factorial(3, 20)
-> factorial(2, 60)
-> factorial(1, 120)
-> 120
每一层都不需要保存“回来之后还要干什么”的信息，因为回来之后就一个动作：把结果继续传给上层。
1.2 尾递归不是“性能优化”，而是一种递归形态
这里必须强调一个容易被误解的点：尾递归本身不等于优化。它只是满足特定形态的递归。能不能优化，取决于语言和运行时。
如果把尾递归当“性能优化技巧”去背，会走很多弯路。它真正的价值是：它给了运行时一个可以复用栈帧的信号。就像你递给同事一份文件时说“我看完了，你直接拿走不用还我”，编译器看到这个形态后，就能安全地把当前栈帧扔掉，复用给下一层调用。
反过来，普通递归就像你跟同事说“你先帮我看下这文件，回来我还要在上面批注”，那同事手里的工作没完成之前，你的办公桌（栈帧）就得一直占着。
所以尾递归优化的技术名称叫尾调用消除（Tail Call Elimination）或尾调用优化（Tail Call Optimization，TCO），它优化的不只是递归，而是所有尾调用。尾递归只是尾调用的一种特例。这个概念后面展开讲。
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. 栈帧复用：尾递归优化的底层机制
想知道尾递归为什么能被优化，得先弄清调用栈（Call Stack）和栈帧（Stack Frame）是怎么工作的。
2.1 普通函数调用时栈里发生了什么
程序每次调用一个函数，运行时都会在调用栈上压入一个新的栈帧。这个栈帧里保存着：
- 函数的局部变量
- 参数
- 返回地址（也就是调用方接下来从哪条指令继续执行）
函数执行完，栈帧出栈，程序跳回返回地址继续跑。
普通递归的问题就在于：外层函数的栈帧在等待内层递归返回期间，一直不能出栈。因为它返回地址、局部变量都还要用。递归一百层，栈里就有至少一百个活着的栈帧。这种“等待链”一旦拉长，