Expensify/App 9.1.15-0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告、发票管理和报销流程。作为一款跨平台应用,它提供了Web、移动端(iOS/Android)和桌面端的完整解决方案。本次发布的9.1.15-0版本带来了多项重要改进,特别关注于用户体验优化、功能增强和错误修复。
核心功能改进
1. 两步验证体验升级
开发团队对两步验证(2FA)流程进行了重大改进,将原本的模态对话框升级为全屏界面。这种改变不仅提升了视觉一致性,还减少了用户操作时的干扰,使安全验证过程更加专注和流畅。对于企业用户来说,这一改进尤为重要,因为他们在处理敏感财务数据时需要更高的安全保障。
2. 费用报告视图优化
新版本引入了TransactionPreview组件,这是对费用报告视图的一次重要重构。该组件提供了更清晰、更直观的费用条目展示方式,使用户能够快速浏览和理解报告内容。这一改进特别适合需要频繁审核大量费用报告的企业财务人员。
3. 时间显示与同步改进
团队修复了多个与时间显示相关的问题,包括:
- 信用卡详情页面的更新时间显示不准确的问题
- 每月最后一天设置的定期提交费用显示异常的问题
- 报告导出CSV后的系统消息显示问题
这些修复确保了应用内所有时间相关信息的准确性和一致性,对于依赖精确时间记录的财务工作至关重要。
用户体验优化
1. 移动端体验提升
针对移动端用户,团队修复了多个影响体验的问题:
- Android设备上点击最近列表项时出现的空白页面问题
- 移动Web版中类似的导航问题
- 状态栏右侧的padding问题
这些修复显著提升了移动端用户的操作流畅度和界面一致性。
2. 加载状态优化
通过调整骨架屏动画速度,团队改善了应用加载状态的感知体验。较慢的动画速度让用户感觉加载过程更加平稳,减少了等待时的焦虑感。
3. 上下文菜单重构
对showContextMenu函数进行了重构,使其更加模块化和可维护。这一底层改进为未来的上下文菜单功能扩展打下了坚实基础。
财务流程改进
1. 费用跟踪与管理
- 修复了无法通过上下文菜单删除跟踪费用的问题
- 修复了费用意外创建在任务报告中的问题
- 改进了buildOptimisticMoneyRequestEntities函数的参数处理方式
这些改进使费用跟踪和管理更加可靠和高效。
2. 策略与权限管理
- 更新了策略创建流程,默认启用公司卡功能
- 移除了控制访问功能
- 实现了OpenPolicyMemberProfilePage API调用
- 修复了从存档的工作区支付发票的问题
这些变更简化了企业管理员的工作流程,同时增强了系统的安全性。
技术架构改进
1. 跨平台一致性
- 修复了浏览器历史记录中的重复问题
- 改进了工作区删除流程
- 更新了react-native-pager-view版本并移除了相关补丁
这些改进提升了应用在不同平台上的行为一致性。
2. 边缘情况处理
- 修复了引用地址中的引号转义问题
- 处理了未定义报告操作的排序问题
- 修复了移除第二个联系人后RBR出现在个人资料中的问题
这些修复增强了应用处理各种边缘情况的能力,提高了整体稳定性。
视觉与交互细节
1. 界面元素调整
- 修复了费用报告总分隔线在标记第一条消息为未读后消失的问题
- 修复了Plaid钱包动画和继续按钮的错位问题
- 优化了工具提示动画效果
2. 安全区域处理
改进了底部安全区域处理逻辑,确保在不使用新的边缘到边缘标志时仍能保持传统的处理方式,这为不同设备和平台提供了更好的兼容性。
总结
Expensify/App 9.1.15-0版本是一次全面的质量提升更新,涵盖了从核心财务功能到用户体验细节的多个方面。开发团队不仅修复了大量影响用户体验的问题,还对多个关键功能进行了优化和重构。这些改进使应用更加稳定、可靠,同时提升了用户在处理财务事务时的效率和舒适度。对于企业用户而言,新版本在策略管理、费用跟踪和安全验证方面的改进尤为有价值。
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
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
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
pc-uishopTNT开源商城系统使用java语言开发,基于SpringBoot架构体系构建的一套b2b2c商城,商城是满足集平台自营和多商户入驻于一体的多商户运营服务系统。包含PC 端、手机端(H5\APP\小程序),系统架构以及实现案例中应满足和未来可能出现的业务系统进行对接。Vue00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01