Expensify/App 9.1.3-4版本发布: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程序,专注于简化个人和企业的费用报告流程。该应用提供了从收据扫描到报销审批的全套解决方案,帮助用户高效管理财务事务。最新发布的9.1.3-4版本带来了一系列重要的功能改进和错误修复,特别是在移动端体验和核心功能稳定性方面有了显著提升。
双因素认证流程重构
本次更新对双因素认证(2FA)流程进行了重要重构。开发团队移除了对react-native-animatable库的依赖,转而采用了独立的屏幕设计来实现2FA流程。这种架构调整不仅简化了代码结构,还提高了认证流程的可靠性。对于终端用户而言,这意味着更稳定、更流畅的登录体验,特别是在网络条件不理想的情况下。
移动端用户体验优化
在移动端体验方面,开发团队针对几个关键场景进行了优化:
-
费用扫描失败处理:修复了当扫描失败时错误地要求接收者输入信息的问题,现在系统会提供更合理的错误提示和处理流程。
-
小屏幕设备适配:解决了在小屏幕设备上报告页面自动聚焦/重新聚焦的问题,避免了不必要的键盘弹出和界面跳动,提升了用户操作的连贯性。
-
搜索自动完成列表:优化了箭头键导航功能,使用户能够更顺畅地使用键盘在搜索结果中进行选择。
-
视频播放控制:修复了从搜索返回收件箱时视频不会停止播放的问题,避免了后台资源的不必要消耗。
费用管理功能增强
在核心的费用管理功能方面,本次更新包含多项改进:
-
分组费用排序:禁用了分组费用的排序功能,这有助于保持费用报告的原始组织逻辑,避免因自动排序导致的混乱。
-
保存按钮响应:修复了从货币选择器模态框返回后保存按钮可能无响应的问题,确保用户能够顺利完成费用提交。
-
公司卡分配页面:优化了页面加载逻辑,消除了短暂显示公司卡分配页面的问题,使界面切换更加流畅。
工作区与管理员功能改进
针对企业用户,本次更新也包含多项工作区和管理功能的优化:
-
促销横幅:修复了工作区启用功能高亮显示的问题,确保管理员能够准确识别可用的高级功能。
-
管理员房间显示:消除了管理员房间中不必要显示的第二行内容,使界面更加简洁。
-
Concierge聊天:优化了入职流程中的Concierge聊天识别逻辑,确保新用户能够获得及时有效的支持。
技术架构升级
在底层技术方面,值得注意的改进包括:
-
Pusher库实现:为iOS和Android平台实现了React-Native Pusher库,这将提升实时通信的可靠性和性能。
-
电话号码验证:改进了电话号码验证的错误消息,使用户能够更清楚地理解验证失败的原因。
-
混合应用体验:切换回旧版Dot体验,以提供更稳定的混合应用运行环境。
这些技术改进不仅提升了当前版本的用户体验,也为未来的功能扩展奠定了更坚实的基础。开发团队持续关注性能优化和架构简化,确保应用能够长期保持高效稳定的运行状态。
总结
Expensify/App 9.1.3-4版本通过一系列精心设计的改进,显著提升了应用的稳定性和用户体验。从核心的费用管理功能到移动端交互细节,再到后台技术架构,这次更新体现了开发团队对产品质量的持续追求。对于现有用户来说,这些改进将带来更流畅、更可靠的使用体验;对于潜在用户而言,这些优化进一步强化了Expensify作为专业财务管理解决方案的市场竞争力。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust014
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00