Expensify/App 9.1.12-7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程序,专注于简化个人和企业的费用报告、报销流程以及账单支付等财务操作。作为一款跨平台应用,Expensify提供了Web、移动端和桌面端的多平台支持,帮助用户随时随地管理财务事务。
核心功能改进
1. 费用报告功能增强
本次更新对费用报告功能进行了多项优化。修复了绿色圆点在LHN(左侧导航栏)中消失的问题,确保用户能够清晰识别未处理报告。同时优化了报告导出功能,新增了PDF导出选项,为用户提供了更多格式选择。在报告审批流程中,修复了自我审批的问题,防止用户意外审批自己的报告。
2. 视频附件处理改进
针对视频附件功能进行了重要修复,解决了iOS设备上不支持的视频格式处理问题。现在当用户尝试上传或播放不兼容的视频格式时,系统能够正确识别并处理。此外还修复了视频全屏播放后Android设备上出现的空白模态框问题,提升了视频观看体验。
3. 搜索功能优化
搜索体验得到显著提升,修复了搜索栏从右向左滑动的问题,使动画更加流畅自然。同时解决了保存的搜索被删除后当前打开的搜索会被重置的问题,保持了用户的操作连续性。对于金额搜索,现在会自动弹出数字键盘,提高了输入效率。
用户体验提升
1. 界面交互改进
本次更新对多个界面元素进行了优化。修复了工具提示在完全显示前闪烁的问题,使提示信息更加稳定。调整了旅行视图详情按钮的颜色,使其更符合整体设计语言。同时优化了加载状态的感知,让用户等待过程更加自然。
2. 键盘与导航优化
针对移动设备特别优化了键盘交互体验。修复了键盘在打开"标记为冒犯性"页面时保持打开状态的问题。在导航到聊天页面前会自动关闭键盘,避免了界面遮挡。此外还改进了返回按钮的处理逻辑,确保导航路径正确。
3. 离线状态处理
增强了应用在离线状态下的表现。修复了钱包页面在加载时点击"添加支付方式"会打开错误页面的问题。优化了集成页面在离线状态下更新QBO字段时的反馈机制,确保用户了解操作状态。
技术架构优化
1. 状态管理改进
对应用的状态管理进行了多项优化。修复了工作区所有者被乐观移除的问题,即使API调用失败也能保持状态一致。优化了标签审批者的选择状态,确保页面能够正确重新渲染。
2. 混合应用支持
改进了混合应用的文档和支持,使开发者能够更轻松地构建和部署混合版本。同时优化了桌面更新的安装流程,确保用户能够获取最新版本。
3. 性能优化
通过多项措施提升了应用性能。优化了报告列表的滚动事件处理,防止阻塞。改进了金额和支付按钮的重新加载逻辑,减少了不必要的渲染。同时修复了视频附件重新加载时的错误问题。
安全与稳定性
1. 双因素认证增强
修复了在Xero连接活跃时无法启用双因素认证的问题,提高了账户安全性。同时优化了双因素确认页面的UI,修复了显示问题。
2. 错误处理改进
增强了错误处理机制,防止未使用的乐观错误影响用户体验。修复了公司卡片页面的无限加载问题,提高了应用稳定性。
3. 依赖项更新
更新了多个关键依赖项,包括electron-updater和electron本身,以获取最新的安全补丁和功能改进。
总结
Expensify/App 9.1.12-7版本通过一系列功能增强、用户体验优化和技术改进,进一步提升了这款财务管理应用的整体质量。从核心的费用报告功能到细节的界面交互,再到底层的技术架构,本次更新都体现了开发团队对产品质量和用户体验的持续关注。这些改进将帮助用户更高效、更愉快地管理日常财务事务。
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