递归函数结合高阶函数的核心是分离递归逻辑与递归控制：前者专注数学关系（如阶乘定义），后者通过自应用结构（如(g=>g(g))(f=>...)）实现无名尾递归，支持匿名函数、动态逻辑和通用封装，提升清晰度、可复用性与可测试性。
递归函数结合高阶函数，核心在于把“递归逻辑”和“递归控制”分离：前者专注问题本身的数学关系（比如阶乘怎么算），后者负责自动处理自调用、避免命名依赖、支持尾递归结构等底层机制。这样写出来的代码更清晰、可复用、也更容易测试。
用高阶函数封装递归骨架
直接写递归函数时，函数名会出现在函数体内（如 factorial(n-1)），这导致无法使用匿名函数或动态生成逻辑。高阶函数可以提供一个“递归壳”，让内部逻辑彻底摆脱对自身名字的依赖。
- 典型结构是
(g => g(g))(f => ...)：前半部分叫自应用函数，让函数能传给自己；后半部分写纯逻辑，只接收一个参数（代表“自己”）来实现递归调用 - 例如阶乘逻辑可写成：
f => (n, acc = 1) => n === 0 ? acc : f(f)(n - 1, n * acc)，里面没出现任何函数名，只用f(f)触发下一层 - 再套一层封装，就能变成通用工具：
const recur = f => (g => g(g))(h => f((...args) => h(h)(...args)))
把业务逻辑抽成纯函数传入
高阶函数不关心具体算什么，只管“怎么递归”。真正变化的部分——比如是算阶乘、斐波那契，还是遍历树——全部作为参数传进去，保持逻辑正交。
- 阶乘逻辑：
self => (n) => n - 斐波那契逻辑：
self => (n) => n - 只要它们都遵循“接收 self 参数 → 返回实际计算函数”的约定，就能统一用同一个高阶函数驱动
支持尾递归优化结构
普通递归容易栈溢出，而尾递归形式（最后一步就是调用自身）理论上可被优化。高阶函数能强制规范这种写法，让逻辑天然适配优化路径。
- 关键点是：递归调用必须是整个表达式的唯一返回值，不能参与后续运算（比如不能写
n * self(n-1)） - 改用累加器参数：
self => (n, acc = 1) => n === 0 ? acc : self(n - 1, n * acc) - 配合高阶函数封装后，既保持匿名性，又具备尾递归形态，语义清晰且性能更可控
与 lambda 配合减少冗余定义
当递归逻辑简单、只用一次时，用 lambda 直接传入高阶函数，省去命名函数的步骤，代码更紧凑。
- 例如一行算 5 的阶乘：
recur(self => n => n - 嵌套列表展平也可类似处理：
recur(self => arr => arr.flatMap(x => Array.isArray(x) ? self(x) : [x]))([[1,2],[3,[4,5]]]) - lambda 保证了逻辑即用即弃，高阶函数保证了它能正确递归，二者互补
