Expensify/App 9.0.90-0版本发布:功能增强与问题修复全面解析
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报销流程。作为一款全功能的财务工具,它提供了费用跟踪、报告生成、账单支付等核心功能,同时支持团队协作和自动化工作流。本次发布的9.0.90-0版本带来了多项功能改进和问题修复,进一步提升了用户体验和系统稳定性。
核心功能改进
费用预览功能增强
新版本在费用预览界面增加了"代表协作者"标识符,使团队成员能够清晰识别哪些费用是由他人代为提交的。这一改进特别适合团队协作场景,当项目经理或助理为团队成员提交费用时,系统会明确标注这一关系,避免后续审核过程中的混淆。
早期折扣倒计时横幅
财务团队引入了一个新的UI元素——早期折扣倒计时横幅。这个功能旨在鼓励用户尽早提交费用报告以获得折扣优惠。倒计时机制通过视觉提示创造紧迫感,帮助企业更有效地管理现金流并优化报销周期。
距离费用共享优化
针对商务旅行场景,开发团队优化了距离费用共享功能。现在当用户创建与行程相关的费用时,系统能够更准确地处理路线信息,确保在收据和费用分割中完整显示行程路线,避免了之前版本中路线信息被截断的问题。
用户体验提升
消息删除与费用删除UI调整
对删除操作的视觉反馈进行了重新设计,使删除消息和删除费用时的界面表现更加一致和直观。这一改进减少了用户在执行删除操作时的困惑,特别是在团队协作场景中,其他成员能够更清楚地理解内容的变更状态。
货币列表滚动修复
修复了货币选择页面快速滚动时意外跳回顶部的问题。这个看似小的改进实际上大大提升了国际用户的使用体验,特别是那些需要频繁在不同货币间切换的企业用户,现在可以更流畅地浏览和选择所需货币。
智能搜索优化
增强了姓名搜索功能,现在系统能够正确处理带有重音符号的姓名。即使用户在搜索时不输入重音符号,也能匹配到正确的结果。这一改进显著提升了跨国团队的使用体验,特别是在处理多语言环境下的团队成员姓名时。
技术架构改进
性能优化
开发团队对ActiveHoverable组件进行了CPU性能优化,减少了不必要的渲染计算。这一底层改进虽然用户不可见,但显著提升了大型列表和复杂界面的滚动流畅度,特别是在低端设备上的表现。
认证流程重构
移除了与推送通知选择加入/退出相关的所有遗留代码,简化了认证流程的代码结构。这一清理工作为后续的认证系统升级奠定了基础,同时减少了潜在的错误来源。
混合应用构建验证
引入了新的工作流程来自动验证每次提交时HybridApp的构建状态。这一预防性措施确保开发过程中的早期构建问题能够被及时发现,提高了发布版本的稳定性。
企业功能增强
工作空间管理改进
修复了离线状态下用户可能意外导航到已删除工作空间编辑器的问题。同时优化了工作空间默认标签的工具提示显示,特别是在西班牙语等长文本语言环境下,现在能够正确显示完整内容而不会被截断。
公司卡集成
增强了公司卡页面的错误处理能力,修复了订阅源连接错误时的显示问题。同时优化了在不同工作空间间分配卡片时的数据隔离,确保不会错误地显示其他工作空间的数据。
旅行政策集成
更新了旅行FAQ中的政策链接,并改进了为多域管理员启用旅行功能时的域选择流程。这些改进使企业能够更精细地控制不同部门或地区的旅行政策应用。
移动端专项优化
Android打包配置
修复了Webpack配置以使用最小化的pdf.worker文件,减少了应用程序包大小。这一优化对移动端用户尤为重要,降低了数据使用量和存储空间占用。
原生动画升级
将SignInPage迁移到react-native-reanimated,并移除了useNativeDriver。这一技术升级不仅提升了登录页面的动画性能,还为未来的动画优化奠定了基础。
混合应用稳定性
增加了ReconnectApp运行时的加载指示器,改善了网络状态变化时的用户体验。同时加强了Fullstory分析的初始化检查,避免了潜在的崩溃问题。
总结
Expensify/App 9.0.90-0版本通过一系列精心设计的改进和修复,进一步巩固了其作为专业财务管理工具的地位。从细小的UI调整到深层的架构优化,每个变更都体现了开发团队对产品质量和用户体验的持续关注。特别是对企业用户来说,工作空间管理、公司卡集成和旅行政策等方面的增强,使得团队协作和财务管理变得更加高效可靠。
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