Expensify/App 9.1.54-7版本技术解析: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,专注于简化企业报销和个人费用跟踪流程。本次9.1.54-7版本更新带来了多项重要改进,特别针对移动端用户体验和核心功能进行了优化。作为一款跨平台应用,Expensify始终致力于提升各平台的一致性和稳定性。
移动端体验全面升级
本次更新中,移动端获得了多项关键修复。键盘弹出问题得到了解决,当用户导航至IOU路径点时,键盘不再短暂闪现。模态框背景现在能够正确占据整个屏幕高度,提升了视觉一致性。Android设备上的文本选择模式行为更加合理,长按费用项目时不再意外触发选择模式。
对于Android用户特别值得注意的是,修复了当通过设备返回按钮退出选择模式后无法重新进入选择模式的问题。同时解决了在私人笔记中点击"复制到剪贴板"时应用崩溃的严重问题。iOS平台也获得了改进,Pager组件的内部事件现在正确暴露为onTabSelect,修复了"开始聊天"标签切换时输入框失去焦点的问题。
报告系统功能增强
报告功能作为Expensify的核心模块,在本版本中获得了多项改进。新增了报告撤回功能,为用户提供了更灵活的操作空间。修复了创建新报告时可能出现的无限加载问题,提升了用户体验。对于包含"&"字符的默认报告标题,现在能够正确显示而不显示为"amp"。
报告预览界面也获得了优化,移除了成员后不再显示空的绿色按钮。修复了存档工作区中报告字段文本显示不正确的问题。特别改进了MOVEDTRANSACTION消息的处理逻辑,现在对于已删除的报告能够正确显示。
性能优化与错误修复
底层性能方面,日志刷新机制从每次50行调整为150行,提高了日志处理效率。HTML粘贴时的截断逻辑被移至解析器中,提升了处理稳定性。离线模式下的报告表格视图获得了模式识别改进,增强了离线使用体验。
错误处理方面,修复了向新用户发送发票时应用崩溃的问题。解决了保存未更改描述时错误显示系统消息的问题。费用流的分割处理使流程更加清晰稳定。键盘现在能够在重命名保存搜索页面时正确弹出。
用户界面细节打磨
界面细节方面,下拉按钮在多个工作区页面上移除了回车键触发功能,避免了误操作。收据模态框的操作项从三点溢出菜单中移出,提高了可访问性。钱包页面的弹窗现在能够正确响应页面尺寸变化而不再偏移。
新增了桌面版上传费用流程中的"下载应用"推广横幅,促进了移动端用户增长。视频播放器获得了样式升级,提升了帮助内容的观看体验。左侧边栏进行了简化,将订阅项移至账户并移除了域名链接,使导航更加清晰。
技术架构改进
底层架构方面,HybridApp的initialProps获得改进,提升了混合应用的初始化性能。TypeScript编译器API的Jest配置得到修正,增强了测试稳定性。拼写检查工具CSpell被引入代码库,提高了代码质量。
Onyx库升级至2.0.108版本,带来了状态管理方面的改进。报告名称值对获取的逻辑被重构,移除了不必要的调用,优化了性能。搜索右侧面板的返回行为得到修正,导航更加符合预期。
这个版本展示了Expensify团队对细节的关注和对用户体验的持续追求,通过一系列有针对性的改进,使这款财务管理工具更加稳定、高效和易用。
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