Expensify/App 9.0.89-0版本发布:性能优化与用户体验提升
项目简介
Expensify是一款流行的费用管理和报销应用程序,旨在帮助企业简化财务流程。作为一款跨平台应用,Expensify提供了从移动端到桌面端的完整解决方案,支持费用跟踪、报告生成、审批流程等功能。
核心改进
性能优化
本次发布在性能方面进行了多项重要改进:
-
报告加载优化:通过创建报告到交易的映射关系,显著提升了报告加载速度。这种优化特别适用于包含大量交易记录的工作区场景。
-
内存管理改进:优化了过滤逻辑,将原本的数组结构改为映射结构,减少了内存占用和计算复杂度。
-
渲染性能提升:对FloatingMessageCounter组件添加了useCallback钩子,避免了不必要的重新渲染,提高了聊天界面的流畅度。
用户体验增强
-
费用流程改进:对费用创建和提交流程进行了多项调整,使整个操作更加直观和高效。
-
地图功能完善:修复了地图中心按钮缺失的问题,并增加了加载状态提示,提升了位置相关功能的用户体验。
-
收据显示一致性:确保在费用预览和费用查看页面中收据图片的显示方式保持一致。
-
搜索体验优化:改进了标签搜索功能,修复了包含冒号的标签显示问题。
功能修复与稳定性
-
工作区管理:修复了工作区切换和删除过程中的多个问题,包括删除失败后的交互问题和切换时的显示问题。
-
交易管理:解决了合并交易中删除收据按钮不可见的问题,并优化了交易删除权限逻辑。
-
表单交互:修复了金额和货币字段在错误清除后未能正确恢复的问题。
-
离线体验:改进了离线状态下返回聊天时的父级对话高亮显示。
技术架构改进
-
动画系统迁移:完成了最后几个组件向Reanimated动画库的迁移工作,为应用带来了更流畅的动画效果。
-
Pusher连接稳定性:实现了在出现1006错误时手动重新连接Pusher的机制,提高了实时通信的可靠性。
-
文件处理优化:改进了FileObject在Onyx中的序列化处理,提升了文件上传和管理的稳定性。
-
GTM集成增强:在GTM事件中添加了用户ID信息,为分析提供了更完整的数据支持。
国际化与本地化
-
银行账户流程:实现了国际银行账户流程,支持更多国家和地区的银行账户管理。
-
地址选项动态翻译:确保地址选项能够根据用户语言设置动态翻译,提升了全球用户的体验。
安全改进
-
双因素认证:修复了刷新页面时短暂显示错误信息的问题,提高了2FA流程的稳定性。
-
会话管理:优化了自动聚焦逻辑,移除了移动端不必要的手动聚焦操作。
开发者体验
-
代码规范:调整了私有变量前缀的lint规则,提高了代码一致性。
-
测试覆盖:为费用创建功能添加了单元测试,提高了代码质量。
-
构建流程:解决了桌面版本构建中的公证问题,确保了发布流程的顺畅。
总结
Expensify/App 9.0.89-0版本在性能、用户体验和稳定性方面都做出了显著改进。从底层架构优化到界面细节调整,这次发布体现了团队对产品质量的持续追求。特别是性能方面的多项优化,将直接提升用户在日常使用中的流畅度体验。同时,国际银行账户流程的实现也标志着产品在全球化的道路上又迈出了重要一步。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00