Expensify/App 移动费用功能中已删除工作区报告的显示问题分析
2025-06-15 16:03:45作者:郁楠烈Hubert
在Expensify/App项目的费用管理模块中,开发团队发现了一个关于移动费用功能的边界条件问题。当用户尝试将费用移动到其他报告时,系统错误地显示了已被删除工作区中的费用报告选项。
问题背景
该问题出现在费用管理流程中的"移动费用"操作环节。正常情况下,用户应该只能看到当前活跃工作区中的费用报告列表。然而,在某些特定操作序列下,系统会错误地包含已被删除工作区中的报告选项。
问题复现步骤
- 创建一个新工作区
- 在工作区聊天中提交一个费用
- 删除该工作区
- 创建另一个新工作区
- 在新工作区中提交另一个费用
- 尝试移动这个新费用时,已删除工作区的报告会出现在可选列表中
技术原因分析
问题的根本原因在于报告筛选逻辑中存在缺陷。具体来说,isReportOutstanding函数没有正确处理已归档报告的状态检查。该函数负责确定哪些报告应该出现在可移动目标的列表中,但未能正确识别和过滤掉已归档(即被删除工作区关联的)报告。
在代码实现层面,getOutstandingReportsForUser函数返回的结果包含了不应该出现的已归档报告。这源于之前的一个PR修改(#62270)引入的筛选条件不完整问题。
解决方案
开发团队采用了双重保障的修复策略:
- 在
isReportOutstanding函数中显式添加对归档状态的检查 - 同时在
getOutstandingReportsForUser函数中进行结果过滤
关键修改点包括:
- 检查报告是否已归档
- 确保只返回状态为"已提交"或更低状态的报告
- 验证报告与当前工作区的关联性
回归测试方案
为确保此类问题不再发生,团队设计了以下自动化测试场景:
- 创建新工作区并提交测试费用
- 删除该工作区
- 创建另一个工作区并提交新费用
- 尝试移动新费用时验证已删除工作区的报告不会出现在列表中
经验总结
这个案例展示了边界条件测试的重要性,特别是在涉及资源生命周期管理(创建/删除)的功能中。开发团队从中吸取了以下经验:
- 状态检查函数需要全面考虑所有可能的状态
- 删除操作可能产生连锁反应,需要全面验证相关功能
- 自动化测试应覆盖资源从创建到删除的完整生命周期
通过这次修复,Expensify/App的费用管理功能在边界条件处理上更加健壮,为用户提供了更一致和可靠的体验。
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
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218