Expensify/App中成员变更工作区导致费用消失的问题分析
2025-06-15 08:53:17作者:胡易黎Nicole
问题背景
在Expensify/App项目中,发现了一个关于费用管理工作流的重要缺陷。当用户尝试将已提交的费用从一个工作区转移到另一个工作区时,系统会显示错误提示,同时该费用会从聊天界面中消失,且不会出现在目标工作区中。
问题现象重现
该问题可以通过以下步骤重现:
- 用户A邀请用户B加入工作区
- 用户B在工作区聊天中提交手动费用
- 用户B尝试通过"更多"选项中的"变更工作区"功能将该费用转移到其他工作区
- 系统显示"出现错误"提示
- 费用从原始工作区聊天中消失
- 费用未出现在目标工作区中
技术原因分析
经过深入分析,发现该问题主要由两个技术原因导致:
-
报告预览动作获取错误:在变更工作区时,系统尝试从
allReportActions对象中获取旧的报告预览动作,但使用了错误的键格式。当前代码错误地在报告ID前添加了report_前缀,而实际上allReportActions对象已经使用纯报告ID作为键。 -
删除属性恢复失败:当操作失败需要回滚时,系统尝试通过合并旧对象来恢复状态。但由于旧对象不包含删除属性,合并操作无法正确清除删除标记,导致费用看似"消失"。
解决方案
针对上述问题,提出以下技术解决方案:
-
修正报告预览动作获取方式:直接使用报告ID作为键从
allReportActions对象中获取旧的报告预览动作,不再添加多余前缀。 -
完善状态恢复机制:在回滚操作中,显式地将删除属性设置为null,确保能够正确清除删除标记。对于数组类型的消息内容,采用合并策略确保完整恢复。
测试建议
为防止此类问题再次出现,建议增加以下自动化测试场景:
- 测试变更工作区操作失败时的回滚机制
- 验证报告预览动作在不同状态下的正确获取方式
- 检查删除属性在各种情况下的正确处理逻辑
总结
该问题揭示了Expensify/App在处理工作区变更时的状态管理缺陷。通过修正数据获取方式和完善状态恢复机制,可以有效解决费用消失的问题,提升用户体验。这也提醒我们在实现乐观更新模式时,需要特别注意失败情况下的状态恢复逻辑。
对于开发者而言,理解系统状态管理的完整生命周期至关重要,特别是在涉及用户重要数据操作时,必须确保在各种异常情况下都能保持数据的一致性和可见性。
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
223
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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
218