Expensify/App 9.1.39-3版本更新解析:移动端优化与功能增强
2025-06-14 08:19:53作者:瞿蔚英Wynne
项目简介
Expensify是一款集成了费用报告、账单支付和团队协作功能的全方位财务管理应用。作为一款跨平台解决方案,它支持Web、iOS和Android等多个平台,致力于为企业用户提供便捷的财务管理和报销流程。
核心更新内容
1. 移动端体验优化
本次更新重点解决了Android平台上的多个显示问题:
- 修复了底部导航栏在移动Web视图中的切割问题,提升了小屏幕设备的可用性
- 优化了搜索字段中的文本显示逻辑,确保长报告名称能够正确显示
- 改进了金额显示在不同页面间的宽度一致性
2. 费用报告功能增强
团队对费用报告功能进行了多项改进:
- 修复了费用预览中已批准但存在违规标记的显示问题
- 优化了表格视图中新增费用的高亮显示逻辑
- 解决了费用报告中乐观更新字段的显示问题
- 完善了费用报告中保持和取消保持选项的显示逻辑
3. 搜索功能改进
搜索体验得到了显著提升:
- 修复了包含空格的搜索查询处理逻辑
- 优化了搜索结果的高亮和滚动性能
- 解决了搜索建议列表在报告视图中的显示问题
4. 聊天与通知优化
- 修复了1:1聊天中发送支付时未读标记的错误显示
- 改进了@Hidden提及在左侧导航栏(LHN)中的显示
- 优化了事务线程导航箭头在右侧面板(RHP)中的显示
5. 性能与架构改进
- 移除了User模型和ONYXKEYS.USER的所有使用,统一使用Account模型
- 优化了事务分区的计算逻辑,减少冗余计算
- 改进了启动画面(Bootsplash)的显示效果,减少闪烁
技术实现亮点
跨平台一致性保障
开发团队特别关注了不同平台间的体验一致性,通过统一的组件设计和状态管理,确保Web、iOS和Android平台都能提供相似的用户体验。特别是在移动端,针对不同屏幕尺寸和操作习惯进行了细致优化。
状态管理优化
本次更新中最大的架构改进是移除了User模型,全面转向Account模型。这一变更简化了状态管理逻辑,减少了代码复杂度,为未来的功能扩展打下了更好的基础。
性能优化策略
团队采用了多种性能优化手段:
- 减少了事务分区计算中的冗余操作
- 优化了搜索相关API调用
- 改进了启动画面的渲染逻辑
用户体验提升
界面细节打磨
从报告页面的金额显示到工具提示的位置调整,开发团队对多个界面细节进行了优化,这些看似微小的改进累积起来显著提升了整体使用体验。
工作流程优化
针对企业用户常见的工作流程,如费用审批、报告查看等场景,本次更新做了多处改进,使整个操作流程更加顺畅自然。
总结
Expensify/App 9.1.39-3版本通过一系列有针对性的改进,显著提升了应用的稳定性、性能和用户体验。特别是对移动端和费用报告功能的优化,将直接提升日常使用中的便捷性。架构上的改进也为未来的功能扩展奠定了更好的基础。
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
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.13 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
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++
663
316
React Native鸿蒙化仓库
JavaScript
262
325
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
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219