Expensify/App移动端费用报告功能崩溃问题分析
问题背景
在Expensify移动应用的最新版本中,测试人员发现了一个严重的功能性问题。当用户尝试将费用从个人聊天转移到工作区报告时,应用会出现崩溃现象。该问题主要影响Android平台的折叠屏设备,特别是在快速操作场景下。
问题现象
用户在完成以下操作流程时会遇到应用崩溃:
- 创建工作区并进入工作区聊天
- 提交一笔费用
- 点击费用预览
- 选择报告功能
- 从报告中移除该费用
- 进入个人聊天
- 再次点击费用预览
- 快速选择报告功能
- 选择之前创建的工作区报告
技术分析
经过深入排查,发现问题根源在于后端API返回的数据格式与前端预期不符。具体表现为:
-
数据不一致性:当用户快速操作时,后端GetMissingOnyxMessages API返回的交易记录中reportID字段为空字符串,而非预期的有效报告ID或null值。
-
前端处理不足:前端代码在IOURequestStepReport组件中直接使用了这个可能为空的reportID来构建Onyx存储键值,没有进行充分的空值处理。
-
状态更新延迟:快速操作导致交易记录的reportID更新存在延迟,而前端已经尝试基于这个尚未更新的值进行后续操作。
解决方案
针对这个问题,开发团队提出了多层次的解决方案:
-
后端修复:修正API返回的数据格式,确保reportID字段始终返回有效值或null,避免空字符串的情况。
-
前端容错处理:在IOURequestStepReport组件中添加防御性编程,当reportID无效时使用undefined作为回退值,并设置canBeMissing标志为true。
-
状态同步优化:考虑在前端添加状态检查机制,确保在reportID更新完成后再进行相关操作。
经验总结
这个案例为我们提供了几个重要的开发经验:
-
API契约稳定性:前后端接口必须保持严格的数据格式约定,特别是对于可能为空的字段。
-
用户操作容错:对于用户可能的快速连续操作场景,应用需要具备足够的鲁棒性。
-
折叠屏设备适配:新型设备的特殊交互方式可能暴露出传统测试中难以发现的问题。
-
防御性编程:关键数据路径上必须添加充分的错误处理和边界条件检查。
通过这次问题的分析和解决,Expensify应用在费用报告功能的稳定性和用户体验方面得到了显著提升。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00