大佬们，中午好😄 🙏

咱就开门见山了，集算器能否实现类似 Python 的缓存装饰器 @lru_cache，用于记录递归时一些重复分支的结果。

比如，有这么一个题：

给定一个整数 N，5 ≤ N ≤ 100，将 N 分解为若干个互不相同的正整数的和，使得这些数的乘积最大，求这个最大的乘积。

当然这个题有其他解法，举例是为了说明记忆化缓存对递归效率的影响，这里只用递归实现。

我们先观察无记忆化的递归，写法很简洁，注意以下代码不要先运行 fx(100,2) 会很慢：

func fx(n,p)	n表示某个正整数，p表示起始值是2每次加1的数	
	if p>n || p<2	return 1
	>skip=fx(n,p+1)	不选当前p
	>pick=p*fx(n-p,p+1)	选择当前p, p要相乘
	>mx=max(skip,pick)	取两种状态中较大的
	return mx	
=fx(10,2)		

以上写法在 N 较小的时候没有问题，但随着 N 的增大，效率急剧下降，当 N=100 时，需耗时 60 秒。因为 N 越大分支越多，重复计算也就越多，所以手工模拟记忆化缓存，得到如下写法：

=cache=create(#K,V)	=hits=[0]	缓存命中次数
func fx(n,p)	n表示某个正整数，p表示起始值是2每次加1的数	
	if p>n || p<2	return 1
	>K=n/$[,]/p	
	if (M=cache.find(K).V)!=null	>hits(1)+=1
		return M
	>skip=fx(n,p+1)	不选当前p
	>pick=p*fx(n-p,p+1)	选择当前p, p要相乘
	>mx=max(skip,pick)	取两种状态中较大的
	>cache.modify(0,K,mx)	更新缓存K,mx
	return mx	
=fx(100,2)		
>output("缓存命中次数: " / hits)		

cache 是一张表，用递归函数的参数作为键，对应的计算结果作为值。每次递归的时候检查有没有命中缓存，命中就直接返回结果，没有命中时继续递归。这个方法在 N=100 时有明显助益，可以看到，原来耗时 60 秒，现在只需 600 毫秒。代码中的 hits 记录了缓存命中次数，可以查看当 N=100 时，缓存命中了 1551 次。

但以上手工模拟记忆化缓存的写法，似乎并不是万能良药，因为缓存是个表，随着记录的分支越来越多，这个表也会占用越来越多的内存。所以，想恳请大佬们看看，有没有可能在应用程序层面实现并管理记忆化缓存，像 Python 的装饰器 @lru_cache，它用的是 "最近最少使用" 策略来管理缓存。那我想着咱集算器能不能在写递归的时候也能够实现这样的装饰器。还是挺羡慕这个功能的，有些场景用记忆化递归确实能助力代码运行效率，比如，常见的斐波那契递归写法，还有什么货币兑换等等，都可以用此方法实现较高效率的运行。

上述代码片段可直接复制到集算器运行，恳请大佬们得闲时看看，能否在应用程序层面实现记忆化缓存，谢谢！