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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00