Expensify/App 9.1.10版本发布:移动端与桌面端功能优化全解析
项目简介
Expensify是一款广受欢迎的财务管理和费用报销应用,提供跨平台的解决方案,包括移动端(iOS/Android)和桌面端(Web/Desktop)应用。该项目采用现代化的技术栈,通过持续集成和持续交付的方式快速迭代产品功能。
核心优化内容
用户界面与体验改进
-
匿名用户界面优化:修复了匿名用户访问公开房间线程时左侧导航栏(LHN)短暂显示空白状态的问题,提升了初次访问体验。
-
消息预览功能调整:优化了消息预览中发送者姓名的显示逻辑,使界面更加整洁。
-
附件浏览体验:修复了附件左右滑动浏览时的异常行为,使文件查看更加流畅。
-
键盘交互优化:在卡片费用流中,ESC键现在可以正确关闭添加卡片流程,符合用户预期。
-
多行搜索关键词显示:改进了搜索关键词在多行情况下的显示方式,提升了搜索界面的可读性。
功能稳定性增强
-
会话管理:修复了登录后立即出现会话过期错误的问题,提高了认证流程的可靠性。
-
离线状态处理:解决了在离线状态下启用策略功能时显示"未找到页面"的问题。
-
报告标记逻辑:修正了删除提及操作后,报告仍显示为未读状态的异常情况。
-
混合应用改进:优化了HybridApp的启动画面处理机制,提升了应用启动的稳定性。
-
费用删除权限:现在会根据责任类型正确显示/隐藏删除费用按钮,增强了权限管理的精确性。
企业功能优化
-
财务系统集成:修复了管理员角色变更后首选导出设置保持不变的问题,确保企业配置的准确性。
-
差旅费用管理:移除了"可以使用每日津贴"的测试标志,使差旅费用功能更加稳定。
-
审批流程改进:修正了"添加审批"按钮在智能限制启用时异常禁用的情况。
-
策略功能离线支持:增强了策略功能在离线状态下的可用性。
-
费用报告视图:新增了搜索费用报告屏幕的导航器,改进了大型企业的费用管理体验。
技术实现亮点
-
TypeScript类型检查:在SidebarUtils的getOptionData测试中添加了严格的类型检查,提高了代码质量。
-
结构化属性处理:HybridApp现在能更好地处理结构化初始属性,改进了URL处理机制。
-
性能优化:移除了ReconnectApp调用中的mostRecentReportActionLastModified参数,减少了不必要的网络请求。
-
测试工具改进:调整了测试工具行的flex-grow属性,使测试界面布局更加合理。
-
调试工具可见性:修复了调试标签页在底部标签栏上方不可见的问题,方便开发者排查问题。
企业级功能增强
-
群组聊天显示优化:在群聊顶部名称显示中添加了"..."后缀,当成员数量较多时提供更好的视觉提示。
-
费用报告流程简化:移除了没有费用时显示的多余步骤,使流程更加简洁。
-
工作区地址逻辑:对于无法启用差旅功能的公共域用户,不再要求提供工作区地址信息。
-
策略功能可靠性:提升了策略功能在离线状态下的稳定性。
-
费用类型处理:增强了每日津贴费用和合规费用的处理逻辑。
开发者相关更新
-
文档完善:新增并更新了多篇帮助文档,包括"合并账户"、"连接到财务软件桌面版"等主题。
-
测试流程改进:更新了Reassure文档,优化了性能测试流程。
-
构建系统升级:将Action runners更新至24.04版本,提升了CI/CD管道的效率。
-
冲突解决指南:完善了冲突解决PR中的说明文档,方便团队协作。
-
移动端构建:更新了Mobile-Expensify子模块,避免了开发构建时的崩溃问题。
总结
Expensify/App 9.1.10版本带来了全方位的改进,从基础的用户界面优化到深度的企业功能增强,体现了开发团队对产品质量的持续追求。特别是对混合应用架构的改进和离线功能的增强,为不同网络环境下的用户提供了更加稳定的使用体验。企业用户将受益于更精确的权限控制和更完善的财务集成功能,而开发者则能享受到更完善的文档和测试工具支持。这些改进共同推动了Expensify作为企业费用管理解决方案的成熟度和可靠性。
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