Expensify/App中离线状态下交易线程无限加载问题分析
问题现象
在Expensify/App项目中,当用户在离线状态下执行特定操作流程时,会遇到交易线程无限加载且头部信息为空的问题。具体表现为:用户在工作区聊天中提交两笔费用后,删除报告并转到个人DM,在离线状态下点击任何费用预览时,交易线程界面会持续加载且不显示任何头部信息。
技术背景
该问题涉及Expensify/App中的费用管理核心功能,特别是与交易线程相关的处理逻辑。交易线程是Expensify中用于跟踪特定交易讨论的独立会话,当用户查看或讨论某笔具体费用时,系统会自动创建或关联相应的交易线程。
根本原因分析
经过技术团队深入排查,发现问题源于以下几个关键因素:
-
报告动作缺失:当缺少
reportActions时,系统会进入无限加载状态。这源于ReportActionsView.tsx中的相关逻辑判断。 -
交易线程ID生成问题:在创建
REQUEST_MONEY请求时,系统既没有生成乐观的optimisticTransactionThread,也没有创建optimisticCreatedActionForTransactionThread,同时请求参数中缺少transactionThreadReportID和createdReportActionIDForThread。 -
删除操作后的ID不一致:当报告被删除后,系统会为交易生成新的
reportID,这导致reportActions变为空值。
解决方案
技术团队提出了以下修复方案:
-
启用乐观交易线程生成:通过向
getMoneyRequestInformation传递shouldGenerateOptimisticTransactionThread = true参数,确保系统能够获取transactionThreadReportID和createdReportActionIDForThread。 -
完善请求参数:在相关请求中添加
transactionThreadReportID和createdReportActionIDForThread参数,确保交易线程能够正确初始化和加载。
技术实现细节
修复方案主要修改了IOU.ts文件中的相关逻辑:
- 在
getMoneyRequestInformation调用时添加了shouldGenerateOptimisticTransactionThread参数 - 完善了请求参数传递,确保交易线程相关ID能够正确传递
- 优化了报告删除后的处理逻辑,保持交易线程的一致性
影响范围
该问题主要影响以下平台:
- Android应用和移动网页版
- iOS应用和移动网页版
- MacOS桌面版和网页版
- Windows Chrome浏览器
经验总结
此案例提醒我们在处理离线状态下的交易流程时需要特别注意:
- 确保关键ID在操作流程中的一致性
- 离线状态下应保持足够的乐观数据生成能力
- 删除操作后的状态恢复需要特别处理
- 交易线程的初始化参数必须完整
通过这次问题的分析和解决,Expensify/App在离线状态下的交易处理能力得到了进一步巩固,为用户提供了更稳定的使用体验。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
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Python00
HunyuanVideo-1.5暂无简介00
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
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
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