ramda虽无内置递归组合器，但可通过r.ifelse、r.identity等工具以声明式方式构造可组合递归逻辑：将递归调用作为参数传入，用不动点思想封装基础情形与递归分支，并借助r.compose增强前后处理、r.memoizewith缓存中间结果，避免栈溢出与重复计算。
函数式编程中，递归本身是纯函数的核心能力，但直接写递归容易导致栈溢出或逻辑耦合。Ramda 本身不提供内置的“递归组合器”，但它提供的工具（如 R.compose、R.ifElse、R.when、R.unless、R.identity）能帮你以声明式方式构造可组合、可复用的递归逻辑——关键在于把递归调用本身也当作一个可注入的函数参数，而非硬编码。
用高阶函数封装递归结构
把递归逻辑拆成“基础情形判断 + 递归分支 + 递归调用委托”，让递归函数接收自身为参数（即实现“不动点”思想）。Ramda 的 R.ifElse 和 R.identity 很适合表达这种分叉：
- 用
R.ifElse分离终止条件与递归分支，例如：R.ifElse(R.equals(0), R.always(1), /* 递归分支 */) - 递归分支里不直接调用自身，而是接受一个
recur参数并调用它，比如(n, recur) => n * recur(n - 1) - 最终用一个简单的不动点组合器（如 Y 组合子简化版）把函数“展开”成实际递归
用 R.compose 拼接递归前/后处理逻辑
递归过程常需在每次调用前后做转换（如预处理输入、后处理结果、加缓存、记录日志）。Ramda 的函数组合天然支持这类增强：
- 例如计算阶乘时，想对输入取绝对值再递归：用
R.compose(factorialRecur, Math.abs)包一层 - 若需在返回前格式化结果（如转字符串），可用
R.compose(R.toString, factorialRecur) - 注意：组合的是“非递归版本”的核心逻辑；真正递归的部分仍需闭环控制，避免无限嵌套
用 R.memoizeWith 缓存递归中间结果
朴素递归（如斐波那契）重复计算严重。Ramda 的 R.memoizeWith 可以基于参数缓存结果，无需改写递归结构：
- 定义原始递归函数（带自调用），然后用
R.memoizeWith(R.identity, fibRaw)包装 -
R.identity作为缓存键生成器，适用于单参数场景；多参数可用R.applySpec或数组元组 - 缓存发生在函数调用层面，不影响递归语义，也不破坏纯度
避免常见陷阱：不要在 R.compose 中直接嵌套递归调用
Ramda 的组合函数（R.compose、R.pipe）是线性执行的，它们不会自动识别或展开递归。错误做法如 R.compose(f, f, f) 并不能等价于三次递归调用：
- 这只会把
f应用三次，不是递归；若f内部有递归，那是f自己的事，和组合无关 - 真正递归必须由函数体内显式调用自身（或通过参数传入的递归句柄），组合只是拼接数据流
- 混淆组合与递归，容易写出不可控的嵌套或栈溢出代码
