Expensify/App 9.0.81-6版本发布:移动端优化与功能增强
项目简介
Expensify是一款广受欢迎的财务管理应用,专注于为企业和个人提供便捷的费用报销、账单管理和团队协作解决方案。该应用支持多平台使用,包括Web、iOS和Android,以其简洁的界面和强大的功能在财务软件领域占据重要地位。
核心改进与优化
移动端用户体验提升
本次版本针对移动设备进行了多项优化,显著提升了用户交互体验:
-
输入框焦点问题修复:解决了iOS平台上房间描述输入框需要多次点击才能获取焦点的问题,使表单填写更加流畅。
-
导航栏重叠问题:修复了Android设备上"获取实体卡"按钮与设备导航栏重叠的显示问题,确保界面元素的正确布局。
-
键盘平滑处理:优化了基础模态框(BaseModal)中的键盘处理逻辑,使键盘弹出和收起更加平滑自然。
-
本地通知优化:移除了短信域(sms domain)相关的本地通知,减少了不必要的干扰。
工作区管理增强
工作区功能是Expensify的核心特性之一,本次更新带来了多项改进:
-
离线保存功能:增强了工作区在离线状态下的保存能力,确保用户在网络不稳定时仍能正常使用。
-
主工作区标识:新增了主工作区的视觉标识,解决了之前主工作区看起来随机的问题,提高了界面清晰度。
-
功能排序一致性:确保工作区侧边导航栏(LHN)中的功能项保持一致的排序,提升用户操作的可预测性。
-
删除后导航优化:修复了在iOS/Android设备上删除工作区后应用返回账户设置而非工作区列表的问题。
费用报销流程改进
费用管理是Expensify的核心功能,本次更新对相关流程进行了优化:
-
分项验证修复:解决了"分项总和必须等于总金额"错误信息显示异常的问题。
-
每日津贴流程:实现了每日津贴(per diem)请求流程,扩展了费用报销类型。
-
审批模式修正:修复了重新启用审批模式时设置不正确的问题。
-
货币显示优化:在用户升级订阅时,现在会显示以用户本地货币计算的升级价格,提高了透明度。
性能与稳定性
-
性能数据导出:新增了性能数据导出功能,便于开发团队监控应用性能。
-
搜索功能优化:限制了搜索查询长度,防止过长的查询导致性能问题。
-
线程显示修复:解决了新消息错误显示为来自其他用户发送的问题。
-
工具提示改进:使产品培训工具提示能够点击指向的元素,提高了交互性。
技术实现细节
-
代码结构优化:对齐了ReportUtils文件中的默认ID,提高了代码一致性。
-
测试覆盖增强:为产品培训上下文和钩子添加了测试用例,提高了代码质量。
-
Google标签管理:为Google Tag Manager脚本添加了nonce属性,增强了安全性。
-
自动聚焦优化:修复了电话号码字段无法自动获取焦点的问题。
总结
Expensify/App 9.0.81-6版本通过一系列精细化的改进,显著提升了移动端用户体验和工作区管理效率。从输入交互的优化到核心报销流程的完善,再到性能监控能力的增强,这些改进共同构成了一个更加稳定、易用的财务管理解决方案。特别是对离线功能和每日津贴流程的支持,进一步拓展了应用在商业场景中的适用性。这些更新体现了开发团队对细节的关注和对用户反馈的积极响应,为Expensify用户提供了更加流畅和可靠的使用体验。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00