Expensify/App 9.1.40-7版本发布:功能优化与问题修复
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、报告生成到支付处理的全套解决方案。最新发布的9.1.40-7版本带来了一系列功能改进和问题修复,进一步提升了用户体验。
核心功能改进
费用报告视图优化
开发团队对费用报告视图进行了多项改进。现在当用户查看报告时,系统会正确显示"标记为已关闭"操作,与"已提交"操作保持一致的显示方式。此外,修复了报告页面中"下一步骤"上方显示额外空白的问题,使界面更加紧凑。
银行账户与支付功能增强
在银行账户设置方面,修复了Expensify卡页面在关闭银行账户设置RHP后意外重新加载的问题。支付菜单中的银行图标显示过小的问题也得到了解决,现在图标大小更加合适。对于可疑交易的显示也进行了优化,确保在浅色模式下字体颜色正确显示。
聊天与群组功能改进
群聊功能获得多项增强。修复了离线创建的聊天成员显示不正确的问题,确保所有成员都能正确显示。当报告最后操作为MOVED类型时,系统现在能正确返回最后一条消息。此外,还修复了分割扫描后工作区聊天重复显示的问题。
用户体验提升
界面交互优化
开发团队对多处界面交互进行了优化。修复了"收件人"字段有悬停效果但不可点击的问题,现在交互更加符合用户预期。在房间成员页面,选择状态现在能够正确持久化保存。长按操作现在可以在选择模式启用时切换选择状态,提高了操作效率。
移动端体验改进
针对移动设备,修复了Android设备上离线创建的聊天在左侧导航栏显示的问题。在新报告预览页面添加了缺失的触摸处理程序,使触摸操作更加流畅。选择模式在新报告页面的表现也得到了修复。
安全性与账户管理
在安全性方面,强制要求从经典版过渡到新版的用户启用双重认证(2FA),提高了账户安全性。对于工作区邀请流程也进行了优化,确保工具提示能够正确显示。
技术架构优化
在技术架构层面,移除了不再使用的isArchivedReportWithID()函数,该函数原本用于获取报告NVP值。简化了混合模式和独立模式的设置流程,使代码更加清晰。对测试用例和注释进行了改进,提高了代码的可维护性。
问题修复
此版本修复了多个关键问题,包括:
- 修复了自DM费用预览中上下文菜单不显示的问题
- 解决了WS更新描述系统消息显示HTML标签而非Markdown的问题
- 修正了收据页面缺失标题和三点菜单的问题
- 修复了验证触发无效联系人的问题
- 解决了报告中"收件人"字段显示为"隐藏"的问题
总结
Expensify/App 9.1.40-7版本通过一系列功能优化和问题修复,进一步提升了应用的稳定性和用户体验。从费用管理到聊天功能,从界面交互到安全性能,各个方面都得到了不同程度的改进。这些变化体现了开发团队对产品质量的持续关注和对用户反馈的积极响应。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00