Expensify/App离线模式下费用提交的加载状态问题解析
2025-06-15 02:54:15作者:侯霆垣
在Expensify/App项目中,开发者们发现了一个关于离线模式下提交费用时出现的界面显示异常问题。本文将深入分析该问题的技术背景、产生原因以及解决方案。
问题现象
当用户在离线状态下提交费用时,系统会出现两个明显的异常表现:
- 下一步操作按钮会显示骨架屏加载状态
- 报告标题会显示"不可用工作区"和负金额
这种异常行为发生在特定条件下:用户账户存在自我对话但未关联任何工作区的情况下。
技术背景分析
该问题涉及Expensify/App的几个核心功能模块:
- 离线模式处理:应用需要处理网络连接中断时的数据同步机制
- 费用提交流程:包括费用创建、验证和存储的完整生命周期
- 状态管理:特别是网络状态变化时的UI响应机制
- 数据同步:离线操作后重新连接时的数据同步策略
问题根源
经过技术团队深入排查,发现问题主要源于以下几个方面:
- 网络状态切换处理不完善:当应用从离线状态恢复在线时,首次发送到后端的请求未能正确包含下一步操作信息
- 数据同步策略缺陷:只有在重新进入费用页面时,OpenReport才会发送完整信息
- UI状态管理逻辑:骨架屏显示条件判断不够严谨,导致在不应显示的情况下仍然出现
解决方案
技术团队通过以下措施解决了该问题:
- 完善网络状态监听:增强了对网络连接状态变化的监听和处理逻辑
- 优化数据同步流程:确保在恢复在线状态后立即发送完整的费用信息
- 修正UI状态管理:调整了骨架屏的显示条件判断逻辑
验证与测试
为确保问题彻底解决,团队设计了专门的回归测试用例:
- 在自我对话中创建手动费用
- 切换到离线模式并提交费用
- 检查费用预览页面确保无异常加载状态
- 恢复在线状态后验证数据同步和UI更新
经验总结
这个案例为我们提供了几个重要的技术实践启示:
- 离线功能测试的重要性:需要专门针对各种网络状态设计测试用例
- 状态管理复杂性:网络状态变化时的UI响应需要特别关注
- 数据一致性保证:离线操作后的数据同步策略需要精心设计
通过这次问题的分析和解决,Expensify/App在离线功能处理方面得到了显著提升,为用户提供了更稳定可靠的体验。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.84 K
Ascend Extension for PyTorch
Python
381
456
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
894
679
暂无简介
Dart
803
198
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
353
209
昇腾LLM分布式训练框架
Python
119
146
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781