Expensify/App 9.1.13-0版本发布:移动端优化与功能增强
2025-06-14 15:48:54作者:谭伦延
项目简介
Expensify是一款广受欢迎的财务管理应用,专注于为企业和个人提供便捷的费用跟踪、报销管理和支付解决方案。作为一款跨平台应用,Expensify支持Web、iOS和Android平台,其开源项目Expensify/App是该应用的核心代码库。
版本亮点
1. 混合应用架构升级
本次版本引入了HybridApp turbomodule,这是对应用架构的重要升级。Turbomodule是React Native的一种高性能原生模块实现方式,能够显著提升原生代码与JavaScript之间的通信效率。这一改进将为未来的性能优化奠定基础,特别是在处理复杂业务逻辑时能够提供更流畅的用户体验。
2. 钱包与支付体验优化
开发团队针对钱包功能进行了多项改进:
- 修复了钱包动画和继续按钮错位的问题,提升了视觉一致性
- 优化了支付流程中的安全验证环节
- 改进了银行账户相关表单,以满足不同银行的合规要求
3. 报告与费用管理增强
在核心的报告和费用管理功能方面,本次更新包含以下改进:
- 新增了"RESOLVEDDUPLICATES"动作类型,用于更好地处理重复报告
- 修复了费用创建后自动滚动到底部的问题
- 改进了分组查询语法,使报告筛选更加灵活
- 修复了分割费用详情中距离收据不显示的问题
4. 用户界面与交互改进
用户体验方面有多项优化:
- 帮助面板增加了主要内容路由,使用户更容易找到所需信息
- 修复了Android设备上返回按钮的行为
- 改进了搜索功能,在导航前自动隐藏键盘
- 优化了工具提示的显示逻辑,只在帮助面板隐藏时显示
5. 性能与稳定性提升
技术团队针对性能问题进行了多项修复:
- 解决了iOS和macOS上Safari浏览器的性能分析问题
- 优化了Android底部安全区域处理
- 启用了Android导航栏的半透明效果
- 修复了快速切换聊天时可能打开多个聊天窗口的问题
6. 安全与权限管理
安全方面的改进包括:
- 修复了被移除访问权限的Copilot仍能编辑个人资料的问题
- 改进了个人详情中的登录记录去重逻辑
- 修复了电话号码被列入黑名单时的错误消息翻译问题
技术架构演进
本次版本展示了Expensify在技术架构上的持续演进:
- 通过引入turbomodule,应用正在向更现代化的混合架构迁移
- 基础组件如BaseTransactionParams的抽象化,体现了代码复用性的提升
- 新增的可复用子步骤组件,展示了组件化设计的深入应用
- 报告创建流程的UI组件重构,为未来的功能扩展奠定了基础
开发者视角
从开发者角度看,这个版本包含了多项重要的底层改进:
- 新增了ChangeReportPolicy功能实现
- 改进了事务参数的基础类设计
- 优化了调试报告动作的"无结果"显示
- 增加了对Quickbooks Online自动同步导出时间的选择支持
这些改进不仅提升了用户体验,也为开发者提供了更清晰、更可维护的代码结构。
总结
Expensify/App 9.1.13-0版本是一个功能丰富的中期更新,在保持应用稳定性的同时,引入了多项架构改进和用户体验优化。特别是混合应用架构的升级和钱包功能的完善,为未来的大规模功能扩展打下了坚实基础。开发团队在平衡新功能开发和现有问题修复方面展现了良好的技术判断力,这种渐进式改进策略有助于保持应用的长期健康发展。
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137