Expensify/App 9.1.59-7版本发布:全面优化与功能增强
2025-06-13 09:22:13作者:伍希望
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报销流程。它提供了从费用跟踪、报告生成到支付处理的一站式解决方案。本次发布的9.1.59-7版本带来了多项重要改进,涵盖了用户体验优化、性能提升和功能增强等多个方面。
核心功能改进
费用管理优化
- 修复了电子收据(eReceipts)无法正常启用的问题,确保用户可以顺利使用这一便捷功能
- 改进了未分类费用的处理逻辑,现在这些费用会正确显示在"无类别"筛选器中
- 修复了移动费用到空报告时短暂显示"To"字段的问题,提升了操作流畅性
报告系统增强
- 优化了报告预览功能,解决了在离线状态下创建新报告时显示"已删除报告"的问题
- 改进了报告页面的按钮显示逻辑,确保在没有工作区时不会显示无效按钮
- 修复了二级审批人无法看到审批标签的问题,完善了多级审批流程
工作区管理
- 解决了已删除工作区未正确显示为"已归档"状态的问题
- 修复了工作区加载进度条与"新建工作区"按钮重叠的UI问题
用户体验提升
界面交互优化
- 改进了"From"下拉菜单的布局稳定性,消除了页面跳动的现象
- 为"From"输入框添加了自动聚焦功能,提升了表单填写效率
- 修复了底部模态框中选项部分隐藏的问题,确保所有操作选项都清晰可见
多语言支持
- 重构了应用对首选语言的处理逻辑,实现了更集中的语言管理
- 移除了过时的西班牙语(es-ES)代码和后备语言代码,简化了多语言实现
辅助功能
- 修复了桌面端更新对话框的翻译问题
- 确保可访问策略加入者不会看到测试驱动(Test Drive)模态框
性能与稳定性
技术架构改进
- 开始使用预构建的react-native构件,提高了构建效率和稳定性
- 实现了标签页的懒加载机制,优化了IOU请求屏幕的性能
- 后台扫描附加收据功能,提升了批量处理的效率
错误修复
- 解决了搜索页面发票支付操作缺失的问题
- 修复了移除无效联系人后返回按钮重新打开同一页面的问题
- 修正了支付被取消时显示错误消息的问题
安全与合规
- 在商户步骤中实施了严格的HTML验证,增强了安全性
- 改进了费用添加时的验证检查,防止不合规操作
总结
Expensify/App 9.1.59-7版本通过一系列细致的优化和改进,进一步提升了应用的稳定性、性能和用户体验。从核心的费用管理功能到界面交互细节,开发团队都进行了精心打磨。特别是对多语言支持、工作区管理和报告系统的改进,使得这款财务管理工具更加完善和可靠。这些变化不仅解决了用户反馈的问题,也为未来的功能扩展奠定了更坚实的基础。
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
222
245
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++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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++
134
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
217