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。
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
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
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