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。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00