Expensify/App 9.1.13-0版本发布:移动端优化与功能增强
2025-06-14 13:31:49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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook09
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
680
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
456
438
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++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
303
117
昇腾LLM分布式训练框架
Python
178
220