Expensify/App 9.1.45-0版本发布:移动端与桌面端全面优化
2025-06-14 20:34:17作者:范垣楠Rhoda
项目简介
Expensify是一款集费用管理、报销流程和团队协作于一体的综合性应用。作为一款跨平台解决方案,它同时支持Web、移动端(iOS/Android)和桌面端(macOS)使用场景,为企业用户和个人用户提供高效的财务管理和团队协作工具。
核心功能优化
1. 报告视图与交易处理改进
本次版本对报告视图进行了多项重要优化:
- 修复了交易预览在特定条件下显示不完整的问题
- 改进了违规费用的"Review Required"标记显示逻辑
- 解决了批准待处理费用后已保留费用消失的问题
- 优化了导出到会计软件按钮的图标显示问题
- 增强了报告标题在不同场景下的默认生成逻辑
这些改进显著提升了财务报告的准确性和用户体验,特别是在处理复杂报销流程时。
2. 搜索与导航体验提升
搜索功能获得了多项增强:
- 修复了包含空格的搜索词处理问题
- 优化了搜索结果中群组的显示逻辑
- 减少了不必要的API调用,提高搜索响应速度
- 改进了移动端Chrome浏览器中的历史记录重复问题
导航方面,修复了多个场景下的页面跳转问题,包括:
- 邀请用户后返回页面的逻辑
- 深层链接打开聊天时的重复调用问题
- 设备返回按钮在特定页面的行为一致性
3. 移动端专项优化
针对移动设备进行了多项改进:
- 修复了键盘在表情选择器关闭后无法重新显示的问题
- 优化了底部标签栏的切换体验
- 改进了文本输入框的自动高度调整
- 解决了特定情况下会话存储清除不彻底的问题
- 修复了Android平台上替换收据时的崩溃问题
技术架构改进
1. 性能优化
开发团队实施了多项性能提升措施:
- 重构了侧边栏报告ID排序逻辑
- 减少了工作区功能的不必要API调用
- 优化了搜索导航器的渲染性能
- 改进了聊天标签砖路(chat tab brick road)的计算方式
2. 代码质量提升
- 移除了未使用的依赖项
- 改进了类型处理,减少了类型转换
- 修复了多个控制台错误
- 添加了更严格的拼写检查
- 完善了Onyx参数的文档说明
3. 新组件引入
版本引入了TextWithMiddleEllipsis组件,专门用于处理中间省略号的文本显示场景,为长文本展示提供了更好的解决方案。
用户体验细节改进
1. 界面一致性修复
- 解决了多个页面刷新后界面不一致的问题
- 修复了地址确认页面的UI问题
- 统一了不同场景下的错误消息显示
- 优化了收据加载指示器的大小
2. 交互流程优化
- 改进了自动分类选项操作中的按钮显示逻辑
- 修复了成员部分在离开房间线程后的显示问题
- 优化了反馈调查页面的底部填充
- 解决了内容在点分隔符前为空的问题
3. 多语言支持
- 修复了西班牙语中的拼写错误
- 改进了违规信息的完整句子表达
构建与发布改进
- 更新了Android发布逻辑
- 优化了桌面端和Web端的源码映射文件
- 改进了预发布状态的版本管理
- 更新了多个内部文档
总结
Expensify/App 9.1.45-0版本带来了全方位的改进,从核心财务功能到基础用户体验都得到了显著提升。开发团队不仅解决了大量已知问题,还引入了多项性能优化和代码质量改进措施,为应用的长期健康发展奠定了基础。这些改进使得Expensify在跨平台财务管理解决方案中保持了竞争优势,为用户提供了更加稳定、高效的使用体验。
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
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
🔥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
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.89 K
暂无简介
Dart
671
156
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
261
322
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++
661
311
🎉 (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
654
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1