如何利用ChatGPT快速实现一个控制台进度条小工具？

本篇讲解如何利用 ChatGPT 快速实现一个控制台进度条小工具，相比单纯介绍某些特性，此种方式涉及知识的综合运用，也顺便谈谈如何结合 AI 进行编程。
问题描述,控制台程序执行一些耗时任务时，需要向用户显示当前任务执行的进度，以提供清晰的感知。比如一个下载程序，通过进度条便能告知用户当前的下载进度。
进度条可以单独显示，也可以在程序输出的最下方显示，下图是一个示例。
这是一种单控制条需求，执行任务，显示进度，输出流依旧是从上至下依序进行，适合单线程的场景。
多控制条显示的效果如下图，实现要更加复杂一些，本文暂时不会涉及该部分。

初步分析,控制台上显示的这种符号，称为 ASCII Art，就是以字符构建的某种图案，不借助图片，也能够有一个生动的展示效果，比如下图这种。

因此控制台进度条也称为 ASCII Progress Bar，通过字符图案来模拟进度条的显示，通常分为已完成部分及未完成部分，使用两个字符，动态改变字符数量，便能够模拟出一个进度条。
模拟方式既定，下一问题在于进度条刷新。如果每更新一次进度，便输出一个字符图案，那么屏幕上将满是进度条，需要针对一条进度条，不断刷新其数据，而非每次都输出一条新的。具体实现时，便需要寻找定位进度条的方法，每次清除当前数据，重新打印新的数据，视觉上显示的是连续动画。
刷新思路亦成，接着的问题在于如何在进度条之上插入其他输出。进度条始终显示在用户输出下方，因此每次用户输出时，可以立即定位到进度条，定位之后清除当前进度条，输出用户内容，再重新打印进度条，便能够达到这一效果。
细枝末节，便需依赖具体的实现手法。
借助 ChatGPT 快速构建基本代码,需求明确，思路既定，接着便要着手设计库的结构和细节，实现细节这部分代码无需从零编写，可以借助 AI 快速生成。
我们所需做的，就是详细描述需求，以及预想的思路，让 ChatGPT 生成代码，验证是否符合需求，若不符合，纠正错误，让它再次生成，不断重复这个过程，直到基本满足期待的效果。如果一开始的效果就完全牛头不对马嘴，那也可以让它基于 Python 生成，等到效果尚可，再让它把代码转换成 C++ 代码。
经过多次调教，最终生成的代码如下>
生成的最终代码基本满足需求，能够按预期显示进度条。
对于进度条，生成的代码使用 - 表示完成部分， 表示未完成部分，每隔 100ms 刷新一次进度数据。进度条长度固定为 50，依据当前进度和控制条长度，动态计算已完成和未完成字符长度，通过循环打印出来。
而刷新显示，这也是调教时最麻烦的一个，起初生成的代码一直会不断打印控制条，最终告诉它使用 ANSI escape codes 才纠正为 �33[2K 。
这个转义码可以分为两部分，�33[2K 和 。后者比较常见，就是将光标移动到当前行的开头，而前者的作用是清除当前光标所在行，其实包含三个参数，意义分别为>
0K：清除从光标所在位置到行尾的内容；,1K：清除从行首到光标所在位置的内容；,2K：清除整行内容。
组合起来，作用是每次输出用户内容（用户内容最后需要换行，否则最后一行内容可能会被清除）时，先清除最后一行内容，再将光标移至行首，达到的效果就是清除当前进度条并回到行首。如果仅仅将光标移至行首，而不清除当前行，后面打印的内容若是比原有内容（进度条）长度短，便会留下原有内容的残余部分，致界面混乱。
用户的最后一行输出是换行符，生成代码利用 将光标移至行首，再输出进度条，其实完全多余，光标本来就在行首，每次打印的进度条本身就在用户内容的下方。
封装成类，微调代码,ChatGPT 生成的代码，虽然能够达到效果，但最多只有六十分，只是快速实现细节，省些力气而已，仍需要进一步微调。
构建一个 cpp-progress-bar 项目，以 Header-only 的形式添加一个 progress_bar 类，将变化点全部封装起来。
首先，将所有可定制的数据，全部抽离出来。比如控制条长度、数据长度、已完成字符和未完成字符等等。
其次，将「清除并回到行首」和「输出控制条」这两部分抽离出来，它们一个在用户内容之前输出，一个在之后输出，于是增加一个 before() 和 after() 接口来表示。
最后，以一个 update() 接口来调用以上这两个接口，更新进度条。
提供两个重载版本，以应对无用户输出时的变化性。
现在，便可以这样使用>
这便是一个轻量级库的雏形。
优化实现,雏形已成，但实现方面依旧是 ChatGPT 的实现，尽管只有几行代码，生成的代码还是相当丑陋而低效。到这一步，便要开始替换生成的实现。
也就是说，ChatGPT 生成的代码仅仅是能跑，雏形交给它来快速生成，后续的封装和优化工作则全由自己来做，替换所有低效实现。
当前留下的生成代码只有生成已完成字符和未完成字符，这部分可以使用 C++20 Fomatting Library 进行优化，简化代码。
通过优化，核心代码只剩下一行，这就是 fmt 库的强大所在。
但是，格式化时没有动态指定填充字符，这是因为 fmt 暂时不支持这种代码>
由于会产生复杂的开销，默认的 std::formatter 并不支持动态指定填充字符。
可以通过定制来手动实现，代码如下>
别看仅有几行代码，fmt 的定制存在巨坑。
这种实现是错误的>
这种实现也是错误的>
这种实现还是错误的>
这种实现依旧是错误的>
尤其是最后一个，因为标准存在 std::fill，此时特化 std::formatter 中使用的 fill 是 std::fill，而不是自己定义的 fill，所以必须将其置入命名空间内。
由此也可见，基于特化的这种定制方式非常不友好，出现错误较为莫名其妙。
有了这个定制，便可以使用 fill 来进一步简化原有实现>
现在这个实现便精简多了。
AOP 优化,当前接口存在 before() 和 after()，这不正是 AOP 要解决的问题，我们几年前也使用 C++20 实现过一个轻量级的 AOP 库，此处可以基此稍微扩展一下，满足当前需求。
于是实现进一步简化为>
原理几年前便已讲过，扩展的源码可以自行去看。
示例,至此，三两下库已成型，可以这样使用>
如果想亲自测试一下代码或查看源码，可以通过以下指令>
总结,思路想法确定，借助 ChatGPT 快速生成代码雏形，能够加快开发速度，让你避开细枝末节，快速让目标运行起来。
在此基础上，自己只需专注代码优化，将精力放在核心功能上。
尽管后期可能会替换掉 AI 生成的所有实现，但也要事半功倍。先快速让程序跑起来，再去优化局部细节，比完全从局部细节构建起整体结构，要高效得多。
大家可以尝试使用起来。