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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00