Expensify/App 9.1.33版本发布:全面优化费用管理与用户体验
项目简介
Expensify是一款广受欢迎的费用管理和报销应用,它通过智能化的方式简化了企业费用报告流程。该应用提供了从收据扫描、费用分类到审批流程的全套解决方案,特别适合需要高效管理差旅和业务支出的团队使用。最新发布的9.1.33版本带来了多项重要改进,特别是在费用报告处理、用户界面优化和系统稳定性方面。
核心功能改进
费用报告处理增强
新版本对费用报告功能进行了多项优化。首先,改进了报告预览功能,确保金额显示准确无误,特别是在拆分费用场景下。其次,修复了费用名称即时显示的问题,提升了用户体验。此外,还解决了费用报告中图片收据在表格视图中缺失的问题,确保所有相关附件都能正确展示。
在报告审批流程方面,开发团队移除了报告中不必要的"From/To"信息显示,使界面更加简洁。同时修复了批准链测试中的问题,确保审批流程的可靠性。对于管理员角色,现在可以更有效地管理员工费用,解决了之前无法删除员工费用的问题。
用户界面优化
界面方面有几个值得注意的改进。首先是修复了桌面版报告页面多余的头部间距问题,使布局更加合理。其次是调整了表情符号与文本的大小匹配,提升了消息界面的视觉一致性。在移动端,修复了工作区名称被侧边箭头重叠的问题,提高了可读性。
搜索功能也得到了增强,解决了选择建议后光标位置不正确的问题。同时优化了搜索结果页面的滚动体验,确保用户能够查看完整内容。对于Windows用户,修复了系统消息中表情符号字体不匹配的问题,提升了跨平台的视觉一致性。
系统消息与通知改进
消息系统方面有多项重要更新。移除了提交和批准系统消息中多余的金额显示("$XX.XX"),使消息更加简洁。同时修正了离开房间操作的系统消息显示问题,确保反馈信息准确无误。推送通知中的"roomName"字段已更名为更具描述性的"subtitle",提高了代码的可读性。
对于包含表情符号的自定义规则,现在能够正确显示而非呈现为HTML标签,提升了规则设置的可用性。此外,还修复了群聊名称不能立即更新的问题,确保沟通信息的实时性。
技术架构优化
性能与稳定性提升
开发团队对底层架构进行了多项优化以提高稳定性。修复了SequentialQueue中Onyx更新存储的问题,确保数据同步的可靠性。优化了银行账户创建流程,移除了不必要的isSuccess状态,改为直接使用API错误处理,简化了状态管理。
在导航方面,修复了从策略不可访问页面的重定向行为,确保导航逻辑正确。同时解决了匿名用户无法注册为新用户的问题,提高了账户系统的健壮性。对于距离请求,修复了创建后应用崩溃的问题,提升了核心功能的稳定性。
新功能与实验性特性
版本引入了几项新功能和实验性改进。新增了测试驱动模式,在用户引导过程中展示测试驱动模态框,帮助新用户更快上手。改进了费用报告中的新任务区域,增强了任务管理能力。对于侧边面板状态,现在能够存储在服务器上,实现了状态的持久化。
在桌面导航方面,确保报告工作区筛选器不会意外改变活动工作区,提高了导航的确定性。同时优化了选择列表模态框的交互体验,使用了新的模态框组件,提升了用户操作的流畅性。
跨平台兼容性
移动端专项优化
针对移动设备,本版本有多项针对性改进。修复了移动网页版中工作区名称显示问题,确保内容不被截断。优化了浏览器后退按钮与丢弃更改模态框的交互,防止意外数据丢失。对于iOS平台,回滚了DraggableList的特定更改,确保列表操作的稳定性。
在React Native升级准备方面,团队已开始为React 19和RN 0.78版本做准备,包括升级react-native-gesture-handler等关键依赖,为未来的性能提升打下基础。
桌面端体验提升
桌面用户将注意到多项体验改进。修复了欢迎视频无响应的问题,确保引导内容能够正常播放。优化了PDF导出功能,移除了beta标签,标志着该功能已达到生产就绪状态。对于私人域名流程,增加了flex布局支持,使界面更加灵活适应不同内容。
总结
Expensify/App 9.1.33版本通过一系列精心设计的改进,显著提升了费用管理效率和用户体验。从核心的费用报告处理到界面细节优化,从系统稳定性增强到跨平台一致性改进,这个版本体现了开发团队对产品质量的不懈追求。特别是对移动端和桌面端的针对性优化,确保了不同设备用户都能获得流畅的使用体验。这些改进共同巩固了Expensify作为领先费用管理解决方案的地位,为团队协作和财务流程提供了更强大的支持。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00