Expensify/App 9.1.48-0版本发布:性能优化与功能增强深度解析
2025-06-14 14:32:19作者:伍霜盼Ellen
项目背景与版本概述
Expensify是一款广受欢迎的企业费用管理和报销应用程序,它简化了企业员工提交费用报告、管理收据和报销流程。本次发布的9.1.48-0版本是一个预发布(PRERELEASE)版本,包含了多项性能优化、用户体验改进和新功能增强,主要聚焦于提升应用的响应速度、修复已知问题以及完善费用管理流程。
核心性能优化
翻译与渲染性能提升
开发团队对SearchStatusBar组件的翻译机制进行了重构,优化了多语言环境下的性能表现。通过减少不必要的翻译计算,显著提升了界面响应速度,特别是在频繁切换语言或搜索场景下。
动画与高亮样式优化
useAnimatedHighlightStyle钩子函数经过重构,减少了不必要的样式重新计算。这一改进特别在列表项高亮交互中表现明显,使动画更加流畅,同时降低了CPU使用率。
内存与状态管理
团队修复了Onyx状态管理系统中当前日期可能丢失的问题,增强了数据一致性。同时优化了requiresAttentionFromCurrentUser的派生值计算,减少了不必要的状态更新和组件重新渲染。
用户体验改进
费用报告流程增强
- 新增了"Per diem"(每日津贴)选项到费用类型过滤器中,方便用户更精确地筛选和分类费用。
- 修复了删除交易时第一个交易被错误高亮的问题,提升了交互一致性。
- 改进了费用类别和标签的"Required"开关逻辑,确保其状态与所有标签的启用状态正确同步。
搜索功能优化
- 搜索全屏导航器状态现在会被正确保留,用户在返回搜索结果时能保持之前的上下文。
- 为搜索选择菜单新增了"移动"选项,增强了批量操作的便利性。
视频会议与通话
- 实现了预定通话弹窗的显示功能,提升了视频会议的用户体验。
- 修复了重新连接时错误信息与视频播放器重叠的问题,确保错误提示清晰可见。
技术架构改进
组件复用与代码清理
- 在不同报告页面间复用侧边栏视图,减少了代码重复,提高了维护性。
- 移除了不再使用的shouldUseNewModal属性,完成了底部模态框迁移后的清理工作。
测试与质量保证
- 修复了OnyxDerivedTest测试用例的问题,确保派生值测试准确可靠。
- 新增了CSpell拼写检查工具,提高了代码质量和一致性。
安全与稳定性
- 更新了Node.js版本至20.19.1,提升了底层运行时的安全性和性能。
- 修复了私人域名注册流程中的OTP发送问题,不再使用凭据进行发送,增强了安全性。
- 解决了从邮件点击附件时可能出现的"不在此处"页面问题,提升了链接处理的可靠性。
移动端特定优化
- 修复了Android平台上支付完成时可能没有声音提示的问题。
- 优化了移动端状态栏颜色,确保在打开模态框时颜色显示正确。
- 改进了移动端聊天界面的错误消息显示,确保完整信息可见而无需手动滚动。
总结
Expensify/App 9.1.48-0版本通过一系列精心设计的优化和改进,显著提升了应用的性能、稳定性和用户体验。从核心的费用管理功能到辅助的视频会议特性,再到底层的技术架构,开发团队都投入了大量精力进行打磨。这些改进不仅解决了现有用户反馈的问题,也为未来的功能扩展奠定了更坚实的基础。对于企业用户而言,这个版本意味着更高效的费用管理流程和更流畅的使用体验。
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
405
3.14 K
Ascend Extension for PyTorch
Python
226
251
暂无简介
Dart
672
159
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
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
657
React Native鸿蒙化仓库
JavaScript
262
325
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