Expensify/App 9.1.62-0版本发布:多标签支持与扫描优化
2025-06-13 19:33:47作者:宣海椒Queenly
Expensify是一款广受欢迎的费用管理和报销应用,它简化了个人和企业处理日常开支的流程。本次发布的9.1.62-0版本带来了多项功能改进和问题修复,特别是在多标签管理和扫描功能方面有显著优化。
多标签功能全面升级
本次版本最值得关注的是对多标签系统的重大改进。开发团队实现了部分编辑和完整导入多级标签的能力,这为用户提供了更灵活的标签管理方式。在费用分类场景中,用户现在可以更精细地组织和管理他们的开支记录。
多标签功能的增强主要体现在三个方面:
- 支持对现有标签进行部分编辑,而不必每次都重新创建完整标签
- 实现了多级标签的批量导入功能
- 优化了标签在界面中的显示和交互体验
扫描功能优化
扫描功能是Expensify的核心特性之一,本次更新对扫描体验进行了多处改进:
- 修复了扫描工具提示位置问题,现在能正确指向扫描按钮
- 优化了扫描过程中的审批按钮显示逻辑
- 解决了多扫描功能关闭时收据预览的显示问题
- 修复了重新拍摄照片后收据预览不更新的问题
这些改进显著提升了用户在移动设备上扫描收据的体验,使整个流程更加流畅自然。
费用报告视图改进
新版本对费用报告视图进行了多项优化:
- 修复了单笔费用报告视图的显示问题
- 添加了报告视图的空状态提示
- 解决了预览宽度跳变的问题
- 优化了报告详情页面的导航体验
这些改进使得用户查看和管理费用报告时能获得更一致的体验,特别是在处理单笔费用时。
性能优化与稳定性提升
开发团队在本版本中进行了多项底层优化:
- 重构了completeTestDriveTask()函数,使其成为纯函数
- 移除了不必要的getReportNameValuePairs调用
- 更新了多个依赖包版本,包括webpack-dev-server和fast-equals
- 优化了React Native版本的排序脚本
这些改进虽然对用户不可见,但显著提升了应用的响应速度和稳定性。
其他重要修复
- 解决了下载CSV功能在离线状态下的不一致问题
- 修复了删除费用后导航不正确的问题
- 优化了账户切换器中emoji的显示效果
- 改进了焦点模式的自动切换逻辑
- 修复了复制邮箱地址时的格式问题
这些修复涵盖了从核心功能到用户体验的多个方面,进一步提升了Expensify的整体质量。
总结
Expensify 9.1.62-0版本通过多项功能增强和问题修复,为用户提供了更稳定、更高效的费用管理体验。特别是多标签功能的完善和扫描流程的优化,将帮助用户更轻松地处理日常开支和报销流程。开发团队持续关注用户体验的改进,使Expensify在费用管理领域的领先地位更加稳固。
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137