Expensify/App 9.0.90-6版本发布:全面优化用户体验与功能增强
Expensify是一款广受欢迎的财务管理应用,专注于简化个人和企业的报销流程。该应用提供了从费用跟踪、报告生成到审批流程的全套解决方案,特别适合需要高效管理差旅和业务开支的用户群体。最新发布的9.0.90-6版本带来了一系列重要的功能改进和错误修复,进一步提升了应用的稳定性和用户体验。
核心功能改进
在费用预览功能方面,开发团队新增了"代表协作者"标识符,这一改进使得用户能够更清晰地识别哪些费用是由他人代为提交的。这一功能在企业协作场景中尤为重要,有助于提高费用管理的透明度。
认证流程也获得了显著优化。针对主联系人无法接收新魔法代码的问题,团队进行了修复,确保了认证流程的顺畅进行。同时,应用现在会在重新连接时显示加载指示器,让用户清楚地知道系统状态,避免了操作过程中的不确定性。
用户体验提升
报告和消息功能方面,团队解决了多个影响用户体验的问题。修复了删除成员时短暂显示错误信息的问题,改进了报告标题在支付后意外更改的行为,并优化了货币列表的滚动体验。特别值得注意的是,团队修复了从费用线程返回时部分滚动的问题,使导航更加流畅。
在搜索功能方面,新版本改进了对包含重音符号用户名的搜索支持。现在即使用户名包含重音符号而搜索查询中没有,系统也能正确显示搜索结果,这对国际化用户群体尤为重要。
技术架构优化
在底层架构方面,开发团队进行了多项重要改进。他们移除了与推送通知相关的冗余代码,简化了代码库。同时,团队优化了ActiveHoverable组件的CPU性能,提升了整体应用的响应速度。
PDF处理功能也得到了增强,通过配置Webpack使用压缩版的pdf.worker文件,提高了PDF相关操作的效率。此外,团队还改进了缓存键计算方式,现在会考虑OD补丁,使得缓存机制更加智能。
企业功能增强
针对企业用户,新版本带来了多项实用改进。修复了在不同工作区分配卡片时可能使用错误数据的问题,增强了数据隔离性。团队还改进了工作区默认标签的工具提示显示,特别是在西班牙语环境下,确保信息完整可见。
旅行相关功能也获得了关注,更新了旅行FAQ中的政策链接,并修复了旅行房间中不应显示"拆分费用"选项的问题。对于多域名企业,现在在启用旅行功能时可以正确选择域名,提高了管理灵活性。
移动端优化
在移动端体验方面,团队修复了Android平台上公司卡片页面断开的feed连接错误显示问题。同时,他们改进了选择列表在关闭上下文菜单后的滚动行为,使交互更加自然流畅。
SignInPage组件已迁移到react-native-reanimated,并移除了useNativeDriver,这一改动提升了登录页面的性能和动画效果。此外,团队还优化了删除费用时的报告操作处理,使流程更加完善。
这个版本展示了Expensify团队对产品质量的持续追求,通过解决实际问题、优化现有功能和提升用户体验,进一步巩固了其作为领先财务管理应用的地位。这些改进不仅解决了用户反馈的问题,还为未来的功能扩展奠定了更坚实的基础。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00