Expensify/App 9.1.4-0版本发布:支付优化与用户体验提升
2025-06-14 05:44:37作者:伍霜盼Ellen
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费用报告流程。该应用提供了从收据扫描到报销审批的全套解决方案,帮助用户高效管理日常开支。本次发布的9.1.4-0版本带来了一系列重要的功能改进和问题修复,主要集中在支付系统优化、导航体验提升以及报告管理增强等方面。
核心功能改进
交易金额更新逻辑优化
开发团队对交易金额和货币更新的处理逻辑进行了重要改进。当用户修改交易金额或货币类型时,系统现在能够正确计算并更新相关报表的总金额。这一改进确保了财务数据的准确性,特别是在处理跨国交易或多币种报表时尤为关键。
支付方式管理升级
应用迁移到了新的private_lastPaymentMethod系统,这一底层架构的改进为用户提供了更稳定可靠的支付方式管理体验。新系统能够更精确地记录和调用用户最近使用的支付方式,减少重复选择支付方式的繁琐操作。
导航体验优化
团队对应用的导航系统进行了多处调整:
- 修复了在提交费用跟踪后返回按钮无法正确返回报表页面的问题
- 改进了split导航器的适配逻辑,现在可以在不显示侧边栏的情况下推送导航
- 解决了验证步骤中的返回功能问题,使两步验证流程更加顺畅
安全与验证增强
本次更新特别关注了账户安全方面的改进:
- 强制要求用户在设置两步验证时必须复制恢复代码,否则无法继续操作
- 修复了成功页面滑动返回时可能出现的验证流程中断问题
- 改进了验证步骤的用户界面,确保输入框不会被键盘遮挡
报表管理改进
针对企业用户和费用报告管理,本次更新包含多项优化:
- 在报表页面增加了对已关闭信用卡的筛选功能,方便用户查看历史交易
- 修复了归档工作区聊天中无法清除RBR(基于规则的报告)的问题
- 改进了工作区报告组件的已读标记显示逻辑
- 允许符合条件的收集客户添加第三方卡数据源,增强了数据整合能力
性能与稳定性提升
开发团队对应用性能进行了多项优化:
- 支持GZIP压缩的JSON字符串作为推送通知负载,减少数据传输量
- 更新了Onfido SDK至v14.42.0版本,提升了身份验证组件的性能和安全性
- 修复了排序重复交易时负金额可能变为正金额的问题
- 优化了报表分组功能的测试覆盖率,确保核心功能的稳定性
国际化与本地化
团队继续完善应用的国际化支持:
- 改进了西班牙语翻译质量
- 优化了非微型公司在Web端的重定向逻辑
这些更新共同构成了Expensify/App 9.1.4-0版本的核心内容,体现了开发团队对提升用户体验和系统稳定性的持续承诺。从底层支付架构的改进到表面导航流程的优化,本次更新全方位提升了应用的可用性和可靠性,为用户提供了更加流畅、安全的财务管理体验。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
135
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218