Expensify/App 9.1.42-0版本更新解析:移动端与桌面端优化全览
项目背景与版本概述
Expensify/App是一款集费用管理、报销流程和团队协作于一体的跨平台应用,支持Web、iOS、Android和桌面端。本次发布的9.1.42-0版本作为预发布(staging)阶段更新,聚焦于用户体验优化、性能提升和功能增强,特别针对移动端和桌面端的交互细节进行了大量改进。
核心功能优化
费用管理流程增强
-
费用追踪界面统一化:修复了追踪费用与常规费用页面标题不一致的问题,保持了界面元素的一致性,降低用户认知负担。
-
费用审批流程改进:
- 解决了首次加载费用页面时"批准"按钮不可见的问题
- 优化了分账金额在iOS设备上的显示问题
- 修正了手动确认页面错误显示为每日津贴确认页面的情况
-
智能分类验证:修复了分类短暂显示为"不再有效"的视觉问题,提升了分类验证流程的稳定性。
报告管理优化
-
报告状态派生值重构:将报告砖路状态(brick road statuses)改为派生值(derived value),减少不必要的计算,提升性能。
-
重复项检查升级:将重复项检查功能提升至报告级别,增强了费用查重能力。
-
支付按钮优化:
- 移除从Pay按钮调用getReportNameValuePairs的操作
- 修复支付按钮与头像重叠的布局问题
用户界面与交互改进
跨平台一致性调整
-
模态框统一性:
- 为桌面端的新模态框添加了背景不透明度效果
- 对齐了FeatureTraining、2FA、FocusMode等模态框的间距
-
搜索功能增强:
- 为超过15项的列表添加搜索栏
- 引入新的SearchList模态框,提升搜索交互可靠性
-
键盘交互:修复了Android设备上通过返回按钮关闭键盘时的问题。
特定平台修复
-
iOS专项:
- 修复了报告页面无法通过右滑手势关闭的问题
- 解决了分账金额显示异常的问题
-
Safari浏览器:修复了打开引导模态框或右侧面板时左侧导航栏消失的问题。
-
桌面端:解决了Cmd+K导航在桌面更新后无法打开聊天的问题。
性能与架构优化
-
状态管理重构:移除了从新报告头部获取报告名称值对的操作,优化了数据流。
-
循环逻辑优化:重构了选中交易的循环处理逻辑,提升执行效率。
-
动作引用处理:修复了可变动作引用(mutable action refs)的问题,增强了代码稳定性。
新功能引入
-
会议调度功能:新增了用户会议调度页面,扩展了团队协作能力。
-
研讨会注册:添加了网络研讨会注册按钮,丰富了用户互动方式。
-
地址自动补全:在银行和账户持有人详细信息页面启用了地址自动补全功能。
离线与错误处理
-
离线状态改进:
- 修复了离线模式下管理员房间引导任务显示为灰色的问题
- 优化了"您似乎处于离线状态"提示的边距问题
-
错误恢复增强:
- 修复了存档任务中"设置分类"的错误
- 解决了输入错误验证码后卡片限额页面的错误
- 修正了尝试删除工作区时应用冻结的问题
工作区管理升级
-
筛选与设置:
- 新增未结(Outstanding)筛选器
- 添加设置标签页和工作区设置工具提示
-
可用工作区逻辑:优化了可用工作区的判断逻辑。
-
集成计划更新:在选择集成时自动更新计划信息。
安全与验证改进
-
验证码处理:修复了输入错误验证码时模态框被意外关闭的问题。
-
魔术代码流程:解决了设置卡片限额页面输入错误魔术代码时的问题。
总结
Expensify/App 9.1.42-0版本通过200多项代码变更,在保持核心功能稳定的同时,针对各平台特性进行了深度优化。从细微的界面调整到架构级的性能改进,再到实用的新功能加入,本次更新全面提升了应用的可靠性、响应速度和用户体验。特别是对移动端交互细节的打磨和对离线场景的支持,显示出开发团队对实际使用场景的深入理解。这些改进将为用户带来更加流畅、一致且高效的费用管理和团队协作体验。
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