Expensify/App 9.1.16-0版本发布:移动端优化与功能增强
Expensify是一款广受欢迎的财务管理应用程序,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、报告生成到支付处理的全套解决方案。最新发布的9.1.16-0版本带来了一系列重要的功能改进和问题修复,特别是在移动端体验和支付流程方面进行了显著优化。
核心功能改进
支付流程优化
新版本对支付流程进行了重构,当用户点击"支付"按钮时,系统会提供更流畅的支付体验。这一改进减少了操作步骤,使整个支付过程更加直观和高效。
离线报告加载优化
针对网络连接不稳定的情况,开发团队引入了静态骨架加载器。当用户处于离线状态时,应用会显示精心设计的加载占位符,而不是空白页面,大大提升了用户体验的连贯性。
电子收据视觉升级
电子收据(eReceipt)的视觉设计得到了全面改进,使其在新版界面中更加美观和专业。这一变化不仅提升了视觉效果,也增强了用户对财务信息的理解能力。
用户体验提升
侧边栏行为优化
新版本改进了侧边栏在各种模态窗口和导航操作中的行为表现。现在,侧边栏的显示和隐藏更加智能,能够根据用户当前的操作上下文自动调整,减少了不必要的界面跳动。
错误信息增强
当系统检测到用户未将电子邮件设置为默认联系方式时,现在会显示更明确的行动指引(CTA),帮助用户快速解决问题,而不是仅仅显示错误信息。
书签图标动画修复
修复了书签图标在收件箱和设置之间切换时出现的左右滑动问题,使界面过渡更加平滑自然。
技术架构改进
React Native升级
项目完成了对React Native 77版本的升级,这一重大更新带来了性能提升和新特性支持,为后续功能开发奠定了更好的基础。
分享功能实现
新增了Android和iOS平台的分享扩展功能,使用户能够更方便地从其他应用直接分享内容到Expensify。这一功能虽然在本版本中被暂时回退以进行进一步测试,但展示了团队在系统集成方面的努力。
初始URL处理优化
改进了混合应用(HybridApp)中对初始URL的导航处理,使应用能够更准确地响应外部链接的打开请求,提升了深度链接的使用体验。
国际化与本地化
货币设置增强
新增了默认输出货币设置功能,使用户能够根据自己的需求预设报告和交易的显示货币,特别适合经常处理跨国交易的用户。
非美元流程重置
优化了非美元货币的处理流程,当用户切换货币类型时,系统能够更智能地重置相关字段,减少了因货币变更导致的数据不一致问题。
问题修复
- 修复了规则变更功能中的多个问题,提升了工作区管理的稳定性。
- 解决了距离费用中费用字段显示不正确的问题。
- 修正了交易日期显示异常的情况。
- 修复了钱包国家搜索中某些字母定位不准的问题。
- 解决了报告过滤器中出现无效货币选项的问题。
- 修复了标签创建费用时的错误显示问题。
这个版本展示了Expensify团队对产品质量和用户体验的持续关注。通过结合功能性改进和技术架构升级,9.1.16-0版本进一步巩固了Expensify作为领先财务管理工具的地位。特别是对移动端体验的优化,将使日常用户在处理报销和支付时获得更加流畅的操作感受。
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