Expensify/App 9.1.39-7版本更新解析:功能优化与问题修复
项目简介
Expensify是一款广受欢迎的财务管理应用程序,专注于简化个人和企业的费用报销流程。作为一款全平台应用,它提供了从移动端到桌面端的完整解决方案,帮助用户高效管理财务事务。本次发布的9.1.39-7版本属于预发布阶段(staging),包含了一系列功能改进和问题修复。
核心更新内容
用户体验优化
-
费用报告视图改进:开发团队对费用报告视图进行了多项优化,包括修复了分割金额显示问题,确保在页面切换后金额宽度不会异常缩小。同时解决了金额在报告页面视图中的显示溢出问题,提升了视觉一致性。
-
搜索功能增强:修复了搜索建议列表在报告视图中的显示问题,并优化了包含空格的搜索行为。现在文本在搜索字段中的定位更加准确,即使报告名称较长也能正确显示。
-
移动端适配:针对Android移动网页版,修复了底部导航栏被视口截断的问题,提升了移动设备上的操作体验。
技术架构调整
-
Onyx数据管理重构:团队完成了从User模型到Account模型的全面迁移,移除了所有对ONYXKEYS.USER的引用和使用。这一架构调整为未来的功能扩展打下了更坚实的基础。
-
性能优化:对搜索高亮和滚动钩子(useSearchHighlightAndScroll)中的/Search调用进行了优化,减少了不必要的计算开销,提升了应用响应速度。
-
事务处理改进:在事务线程中增加了导航箭头显示,方便用户在RHP(Inbox)中浏览相关事务。同时优化了新添加费用在表格视图中的显示效果,会暂时高亮以提升视觉反馈。
问题修复
-
费用审批状态:修复了已批准但存在违规的费用在预览中未被正确标记为"已批准"的状态显示问题。
-
提及功能:解决了在1对1直接消息中提及报告的应用问题,同时确保@Hidden提及能在左侧导航栏(LHN)中正确显示。
-
工作区管理:修复了工作区头像显示不正确的问题,并改进了工作区邀请角色的页面迁移。
-
多平台一致性:解决了iOS启动画面(Bootsplash)的闪烁问题,提升了应用的启动体验。
技术深度解析
本次更新中值得注意的技术实现包括:
-
数据层重构:从User到Account模型的迁移代表了应用架构的重要演进。这种变化可能预示着未来更灵活的用户账户管理系统,能够更好地支持企业级功能和企业成员管理。
-
性能优化策略:通过对getTransactionsSections等关键函数的优化,团队展示了持续关注性能改进的决心。特别是在处理大量事务数据时,减少冗余计算可以显著提升用户体验。
-
跨平台一致性:团队同时处理了Android和iOS平台的特定问题,如Android的视口问题和iOS的启动画面问题,体现了对多平台一致体验的重视。
总结
Expensify/App的9.1.39-7版本虽然处于预发布阶段,但已经展示出团队在多方面的努力:从基础架构的重构到具体功能的优化,从核心财务流程的改进到用户体验的细节打磨。这些变化不仅解决了现有问题,也为未来的功能扩展奠定了基础。特别是数据层的重构和性能优化,将为应用的长远发展提供更强大的技术支持。
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