Expensify/App 9.1.39-4版本发布:移动端优化与功能增强
项目简介
Expensify是一款广受欢迎的财务管理应用程序,专注于简化个人和企业的费用报销流程。作为一款跨平台应用,它提供了Web、iOS和Android版本,帮助用户轻松跟踪、管理和报销各类支出。本次发布的9.1.39-4版本主要针对移动端体验进行了多项优化和改进。
核心功能改进
费用报告视图优化
开发团队对费用报告视图进行了多项改进,修复了金额显示超出视图范围的问题,确保所有金额信息都能完整展示。同时优化了拆分金额的显示逻辑,当用户从其他页面返回时,不会再出现宽度减少的情况。这些改进显著提升了用户在查看和管理费用时的体验。
搜索功能增强
搜索功能是本版本的重点优化对象之一。修复了包含空格的搜索查询无法正常工作的问题,现在用户可以更灵活地使用各种搜索条件。同时改进了长报告名称在搜索框中的显示方式,确保文本能够正确滚动到末尾,方便用户查看完整的报告名称。
移动端导航改进
针对Android设备的底部导航栏进行了优化,解决了视口被截断的问题,使导航更加完整和易用。iOS和Android平台都获得了更好的导航体验,特别是在处理交易线程时,现在能够正确显示导航箭头,帮助用户更直观地在不同视图间切换。
技术架构优化
性能提升
开发团队对搜索功能的后端处理进行了优化,减少了冗余计算,提高了搜索响应速度。特别是在处理大量交易数据时,新的算法能够显著降低资源消耗,提升整体性能。
状态管理重构
本版本完成了从User模型到Account模型的大规模迁移工作,移除了所有对User模型和ONYXKEYS.USER的引用和使用。这一架构调整使状态管理更加清晰和高效,为未来的功能扩展打下了更好的基础。
用户体验改进
新费用高亮提示
新增了一项贴心的用户体验改进:当用户在表格视图中添加新费用时,相关行会暂时高亮显示。这一视觉反馈帮助用户快速定位新添加的内容,特别是在处理大量数据时尤为实用。
工具提示完善
全面更新了各类工具提示,包括全局创建、工作区聊天等功能的提示信息,使其更加准确和有用。新增了RBR/GBR聊天和账户切换器的工具提示,帮助新用户更快上手应用的各种功能。
问题修复
本版本修复了多个影响用户体验的问题,包括:
- 修复了在1:1聊天中发送支付时未读标记显示不正确的问题
- 解决了工作区头像显示不正确的情况
- 修复了费用报告中乐观更新字段不显示的问题
- 修正了隐藏提及(@Hidden)在左侧导航栏不显示的问题
移动端特定优化
Android改进
专门针对Android平台进行了多项优化,包括修复底部导航栏的视口问题,以及改进APK的性能表现。这些改进使Android用户能够获得更稳定、更流畅的使用体验。
iOS增强
iOS版本获得了启动画面闪烁问题的修复,使应用启动过程更加平滑。同时优化了IPA包的大小和性能,提升了在各类iOS设备上的运行效率。
总结
Expensify/App 9.1.39-4版本通过一系列精心设计的改进和优化,显著提升了移动端用户体验。从核心的费用管理功能到日常的导航操作,再到底层的技术架构,这个版本都做出了有价值的贡献。特别是对搜索功能和状态管理的优化,不仅解决了现有问题,还为未来的发展奠定了更好的基础。对于追求高效费用管理的用户来说,这个版本值得升级体验。
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