Expensify/App 9.0.80-6版本发布:全面优化用户体验与功能增强
项目简介
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费用报销流程。作为一款全平台应用,它提供了从收据扫描、费用跟踪到报销审批等一站式解决方案。本次发布的9.0.80-6版本带来了多项重要改进,特别是在发票处理、离线功能、搜索体验和支付流程等方面进行了显著优化。
核心功能改进
发票处理优化
本次更新对发票系统进行了多项改进,解决了多个关键问题。首先是修复了在商业发票支付后创建新个人发票的问题,确保了发票流程的连贯性。同时优化了搜索发票页面,现在能够正确显示"expense"商户文本,提升了搜索结果的准确性。此外还修复了发票徽章货币显示问题,使财务信息展示更加规范统一。
离线功能增强
团队对应用的离线功能进行了重要改进,特别是优化了feed移除流程在离线状态下的表现。这一改进确保了即使用户处于离线状态,也能获得更流畅的feed管理体验。同时修复了重新上线时群组聊天可能导致的崩溃问题,增强了应用的稳定性。
搜索与导航体验
搜索功能在本版本中获得了多项优化。修复了导航到报告页面时可能出现的双重过滤工具提示问题,提升了界面整洁度。同时解决了从搜索返回后线程显示异常的问题,使导航流程更加顺畅。还改进了报告在LHN(左侧导航栏)中的显示逻辑,确保用户能够快速找到所需内容。
技术实现细节
支付流程改进
支付系统在本版本中获得了多项技术优化。修复了支付费用和取消支付时评论区域不会自动滚动到底部的问题,提升了交互体验。同时改进了键盘可能阻塞输入框的问题,特别是在更改支付方法或后台运行应用后,确保了输入流畅性。
性能与稳定性
团队对应用性能进行了多项底层优化。实现了策略列表完整下载前的旋转加载指示器,提供了更好的等待体验。修复了验证页面打开两次时验证码自动消失的问题,增强了账户验证流程的可靠性。同时解决了15MB以上大文件上传失败的问题,扩展了文件处理能力。
国际化支持
本版本引入了国际银行账户流程的支持,为全球用户提供了更完善的银行服务集成。同时优化了货币和数字处理逻辑,特别是正确支持了每日津贴费率为负数的情况,满足了更复杂的财务场景需求。
开发者视角
代码质量提升
开发团队对代码库进行了多项重构和优化。重构了buildOptimisticTransaction函数,提高了代码可维护性。同时更新了Corpay字段逻辑并集成了相关API,为未来功能扩展奠定了基础。
测试覆盖增强
团队增加了多项单元测试,特别是针对报告在LHN中显示逻辑的测试用例,提高了代码质量保证。同时修复了多个边界条件下的崩溃问题,如创建跟踪费用时的潜在崩溃风险。
用户体验改进
界面优化
本次更新对多个界面元素进行了细致调整。修复了底部表单显示时消息内容重叠的问题,提升了阅读体验。同时优化了原生BaseTextInput中的后缀显示问题,确保表单元素的一致性。还改进了composer教育提示在移动Safari上的位置问题,使提示更加准确。
交互流程
团队优化了多个关键交互流程。修复了从导入RHP返回后应用后退按钮行为不一致的问题,使导航更加符合预期。同时改进了自动插入OTP功能,提升了验证流程的效率。还优化了缓存清理机制,确保账户切换后数据状态正确。
总结
Expensify/App 9.0.80-6版本通过一系列精心设计的改进,显著提升了应用的稳定性、功能完整性和用户体验。从核心的发票处理到日常的交互细节,开发团队都进行了全面优化。这些改进不仅解决了现有问题,还为未来的功能扩展奠定了坚实基础,展现了Expensify持续优化产品体验的承诺。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00