Expensify/App 9.1.21-3版本发布:移动端优化与功能增强
2025-06-14 08:01:43作者:劳婵绚Shirley
Expensify是一款广受欢迎的财务管理应用,专注于简化个人和企业的报销流程。该应用提供了从费用跟踪到报告生成的一站式解决方案,支持多平台使用。本次发布的9.1.21-3版本主要针对移动端体验进行了多项优化和问题修复。
用户体验优化
本次更新中,开发团队重点改善了应用的空状态显示问题。空状态屏幕现在能够正确居中显示,为用户提供更清晰的界面反馈。同时修复了应用在加载时可能卡在骨架屏状态的问题,提升了整体流畅度。
搜索功能也获得了改进,解决了搜索输入框文本跳动的问题,并修正了搜索查询字符串的格式错误。这些改动使得搜索体验更加稳定和可靠。
工作区功能增强
工作区相关功能在本版本中得到了多项改进:
- 工作区功能列表现在保持了统一的排序方式
- 修复了工作区升级确认按钮在旅行升级页面缺失的问题
- 解决了离线创建工作区时"Track billable"选项状态异常的问题
- 改进了标签/类别添加错误的处理逻辑
报告与费用管理
在报告和费用管理方面,本次更新包含以下改进:
- 修复了管理员无法编辑草稿报告中费用的问题
- 隐藏了报告页面To字段中不应显示的"Hidden"标识
- 增加了费用视图的空状态显示
- 改进了重复检测的处理逻辑,使其与其他违规行为一致
- 添加了新的RESOLVEDDUPLICATES操作类型
移动端特定修复
针对移动端用户,本次更新特别解决了以下问题:
- 离线指示器现在正确处理了底部安全区域填充
- 修复了iOS设备上键盘不自动显示的问题
- 解决了iOS和Android设备上故障排除菜单被截断的问题
- 优化了声音缓存处理逻辑
- 修复了查看信用卡交易后应用可能崩溃的问题
技术架构改进
在技术架构层面,开发团队进行了多项优化:
- 移除了iOS和Android独立应用的部署工作流
- 清理了推送通知订阅库
- 修复了CFBundleVersion和CFBundleShortVersionString的iOS构建警告
- 优化了API响应后的乐观数据更新机制
- 改进了桌面应用的更新机制
文档更新
除了功能改进外,本次更新还包含多项文档更新:
- 更新了添加支付卡和查看订阅的指南
- 修订了编辑和提交费用报告的说明
- 完善了产品故障排除文档
这些文档更新将帮助用户更好地理解和使用Expensify的各项功能。
总体而言,9.1.21-3版本通过多项优化和修复,显著提升了Expensify应用的稳定性和用户体验,特别是在移动设备上的表现。开发团队持续关注用户反馈,不断改进产品功能,为用户提供更优质的财务管理解决方案。
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
407
3.14 K
Ascend Extension for PyTorch
Python
226
252
暂无简介
Dart
673
160
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++
664
319
🎉 (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
1.21 K
658
React Native鸿蒙化仓库
JavaScript
262
326
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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868