先明确函数承诺计算什么
递归最难的地方往往不是看见函数调用自己，而是分清“进入下一次调用”和“拿到结果继续计算”。学习时先写输入与输出的约定，再画调用过程。本文使用一个原创小练习：整数 n 表示层数，第零层数值为 1，每增加一层，把上一层数值乘以 2，再加上当前层号。允许的输入是较小的非负整数。
将函数记作 layer，规则是 layer(0)=1；当 n 大于零时，layer(n)=2*layer(n-1)+n。这里的零层返回值属于题目定义，不能因为“没有层”就随意写成零。先手算前三层应为 3、8、19，随后才让程序检验。这个练习仅用于理解执行机制，不对应任何实际计分题。
把规则写成可运行的最小例子
在 Python 3 中，可以先输入一行函数定义：def layer(n): return 1 if n == 0 else 2 * layer(n - 1) + n。定义结束后另行运行 print(layer(3))，输出应为 19。这个简短版本依赖调用者遵守非负整数约定，尚未包含入口检查，不宜直接当成通用接口。
把条件表达式读成两条路径：n 等于零时直接返回 1，不再递归；否则先取得 layer(n-1) 的值，再完成乘法与加法。写成多行时，可用 if n == 0: return 1 作为基础分支，另一分支返回相同表达式。改变排版不应改变两条路径的含义。
向下调用时，记录尚未完成的计算
从 layer(3) 开始，当前调用要计算“2 乘下层结果再加 3”，因此需要 layer(2)；后者要计算“2 乘下层结果再加 2”，因此需要 layer(1)；继续调用 layer(0)，这时才直接得到 1。到达基础情形之前，前三个调用的乘加计算都尚未完成。
纸上可为每次调用画一张卡片，分别写参数、等待的子调用、回来后要做的事。参数依次是 3、2、1、0，它们属于不同调用帧，不是一个共享的 n 被反复覆盖。最内层完成后，程序回到它的直接调用者，再回到更外层；这就是追踪调用栈时需要保留的顺序。
向上返回时，逐层代入而非重新调用
返回链可完整写成：layer(0) 返回 1；layer(1) 接收 1，计算 2*1+1，返回 3；layer(2) 接收 3，计算 2*3+2，返回 8；layer(3) 接收 8，计算 2*8+3，返回 19。把每个返回值写在相应卡片旁，再划掉已经完成的卡片。
常见误读是看到基础情形返回 1，就认为所有外层也立刻返回 1。实际上，返回只结束当前调用；外层还有自己的表达式。另一个陷阱是把 return 换成 print：打印只是输出信息，不能代替交给调用者的值。Python 函数执行到末尾却没有返回表达式时，会返回 None，外层继续做乘法就可能失败。
有基础情形，还需要证明能够到达
对于约定内的输入，每次递归使非负整数 n 减少 1，因此经过有限次调用必定到零。这是终止理由。仅说“代码里有 n == 0”并不充分：若错误地递归调用 layer(n+1)，或者输入负数后继续减 1，执行路径都不会走向零。
也不要为修复负数问题直接把基础条件改成 n <= 0，却不解释新的含义。这样会给负层数返回一个看似有效的结果。更清楚的做法是在实际接口中验证类型和范围，并按约定拒绝非法输入。整数条件也很重要：从 0.5 每次减 1，同样不会恰好到零。可用纸上前几步发现问题，无须真的制造深递归。
区分数学终止与运行环境限制
输入 n 时，本例总共调用 n+1 次，最深处有 n+1 个尚未返回的调用帧。在把小整数运算视为固定成本的教学模型中，时间与栈空间都随 n 线性增长。返回值变得极大时，整数运算的实际成本也会变化，不能把这个简化模型理解成精确计时公式。
数学上会终止，并不保证任意大的 n 都能在 Python 中递归完成。解释器存在递归深度限制；调高限制并不能修复不收敛的调用，还可能增加风险。调试时先看参数是否推进，再看是否需要改为循环逐层更新结果。不要以扩大限制代替证明正确性。
自练：改变一条规则，再核对两条链
先不运行程序，预测 layer(4) 和 layer(0)，并写出各自的调用次数。答案是 42 与 1；调用次数分别是 5 与 1。然后只把基础值从 1 改成 2，递推式保持不变，重新计算第三层。新返回链是 2、5、12、27，因此结果为 27，而不是简单把原结果加 1。
迁移到列表、树或目录遍历时，仍按同样的顺序检查：输入约定是什么；哪种情况无需再调用；每次递归让什么量变小；子结果回来后如何组合；空输入和最小非空输入分别怎样处理。Tutorial 中可以展示一条下降链与一条返回链，请对方检查你的解释，而不是要求代写待提交的解答。
参考资料
下一步
准备递归相关的 Tutorial 问题时，可带上自己的调用记录和最先无法解释的一步。计分代码与论证须独立完成。