Python 默认递归深度限制约为 1000 层，超出即栈溢出，这限制了函数式编程中尾递归的应用。Tacopy 库通过源到源（source-to-source）变换，提供 @tacopy 装饰器，在装饰时将尾递归函数自动转换为 while 循环形式，实现真正无深度限制的尾调用优化（TCO），无需修改 CPython 解释器。
核心观点是：Tacopy 的 AST 变换机制确保优化安全高效，仅适用于严格尾递归，避免了运行时 trampoline 开销。证据来自其 GitHub 仓库：变换过程包括三步 —— 参数提升（hoist 到 UUID 命名局部变量防冲突）、while True 包裹主体、递归调用替换为赋值 + continue。该方法保留函数元数据如 docstring 和类型提示，无运行时额外成本。“Tacopy 使用 AST 变换将尾递归转为循环”，如阶乘示例：原递归 factorial (n, acc) 转为 _n=n; _acc=acc; while True: if _n==0: return _acc; _n, _acc = _n-1, _acc*_n。
落地参数与清单：
- 安装与环境：pip install tacopy-optimization（Py3.10+）。开发用 uv add tacopy-optimization。验证：import tacopy; @tacopy def test (): pass。
- 函数要求清单（装饰前自查）：
- 模块级定义，非嵌套（否则 TailRecursionError）。
- 纯尾位置递归：return func (...) 后无操作，如 return n * func (...) 无效。
- 非 async，支持同步整数 / 简单类型计算。
- 示例模板：def fib (n: int, a: int=0, b: int=1) -> int: if n<=1: return a if n==1 else b; return fib (n-1, b, a+b)。
- 调试参数：from tacopy import show_transformed_code; print (show_transformed_code (fib)) 查看变换源码，确认正确。
- 性能阈值：基准（100 跑次，深度 1000）：factorial 1.41x（0.000163s vs 0.000230s）；fib 1.86x；sum_to_n 2.88x；power 1.97x。监控点：时间 < 原递归 50% 方差，内存稳定（无栈增长）。
- 集成清单：
- 提取辅助函数到模块顶层。
- 异常处理：try: result = func (...); except TailRecursionError: 回滚手动迭代。
- 测试：pytest tests/--cov=tacopy 覆盖率 >90%。
- 回滚策略：若变换失败，手写 while 循环或 sys.setrecursionlimit (10000)，但后者内存风险高（阈值 10k 监控 RSS <1GB）。
实际应用中，Tacopy 适用于 GCD、斐波那契、累加求和等算法优化。GCD 示例：@tacopy def gcd (a:int, b:int)->int: if b==0: return a; return gcd (b, a% b)。计算 gcd (1071,462)=21，无深度限。深度测试：fibonacci (5000) 或 factorial_mod_k (1e6,79) 秒级完成，原版溢出。
工程风险与限止：不支持互递归、多返回路径复杂逻辑；源代码需 inspect.getsource () 可得。监控：Prometheus 指标 recursion_depth=0（循环后），cpu_time 降 30-60%，error_rate=0。替代：trampoline（运行时循环，但 5x 慢）；手动循环（零开销但代码冗长）。
Tacopy 证明源到源变换是 Python TCO 的实用路径，结合 ast 模块与 unparser，实现编译器级优化而不侵入运行时。未来可扩展支持更多模式，如 continuation-passing。
资料来源：https://github.com/raaidrt/tacopy（仓库基准与 DESIGN.md）。