Expensify/App中费用报告"移除保留"按钮失效问题分析
2025-06-15 04:57:40作者:董灵辛Dennis
问题背景
在Expensify/App项目中,用户在使用费用报告功能时发现了一个关键交互问题。当用户尝试对报告中的所有费用项分别执行"保留"操作后,报告顶部的"移除保留"按钮会变得无响应,无法正常执行移除保留的操作。
问题现象
用户操作流程如下:
- 在任意工作区聊天中提交两个不同的手动费用
- 打开包含这些费用的报告
- 分别长按每个费用项并执行"保留"操作
- 当所有费用项都被保留后,报告顶部会出现"移除保留"按钮
- 点击该按钮时,无任何响应动作被触发
技术分析
根本原因
经过代码分析,发现问题的根源在于"移除保留"功能的实现逻辑存在缺陷。当前代码中,移除保留操作仅设计用于单一交易视图,当transactionThreadReportID不存在时,该操作实际上不会执行任何功能。
具体来说,MoneyReportHeader组件中的移除保留处理逻辑没有考虑到非合并报告的情况。而ReportPrimaryActionUtils工具类中的逻辑却会在所有费用都被保留时显示移除保留按钮,即使这不是一个合并报告。
解决方案对比
开发团队提出了两种可能的解决方案:
-
条件性显示方案:修改ReportPrimaryActionUtils中的逻辑,仅在报告为合并报告时显示移除保留按钮。这可以通过添加transactionThreadReportID检查来实现。
-
功能扩展方案:扩展移除保留功能,使其能够处理报告中的所有被保留费用项。这需要获取报告中所有创建的IOU操作,并为每个操作调用changeMoneyRequestHoldStatus函数。
最终,开发团队选择了第一种方案作为更直接和安全的修复方式,因为它不会引入新的复杂逻辑,同时能有效解决问题。
修复效果
该问题已在版本9.1.53-7中得到修复并部署到生产环境。修复后,用户现在可以正常使用移除保留功能,系统会正确判断何时应该显示该按钮,并确保按钮点击后能执行预期的操作。
经验总结
这个案例提醒我们,在开发交互功能时需要特别注意:
- 功能可见性与实际可用性必须保持一致
- 边界条件处理要全面,特别是对于集合操作
- 组件间的职责划分要清晰,避免显示逻辑与操作逻辑不一致
通过这次修复,Expensify/App的费用报告功能变得更加可靠,为用户提供了更流畅的财务管理体验。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.13 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
316
React Native鸿蒙化仓库
JavaScript
262
325
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219