Expensify/App 中未报告费用列表骨架加载问题分析与解决方案
问题背景
在Expensify/App的财务模块中,用户在使用"添加未报告费用"功能时遇到了一个界面显示问题。每当用户打开未报告费用列表时,即使没有新的数据需要加载,系统也会显示一个骨架加载动画(Skeleton Loading)。这种视觉反馈会给用户造成"正在加载更多数据"的错误印象,影响用户体验。
技术分析
骨架加载机制
骨架加载是现代前端应用中常见的加载状态指示器,它通过展示与内容结构相似的灰色占位区块,向用户暗示内容正在加载。在理想情况下,这种视觉反馈应该只在确实有数据正在加载时显示。
问题根源
通过代码审查发现,问题出在AddUnreportedExpense.tsx组件中。当前实现存在两个关键问题:
-
加载状态管理不精确:
isLoadingUnreportedTransactions标志位在每次调用fetchUnreportedExpensesAPI时都会被设置为true,包括页面初始加载时。 -
条件判断不足:骨架加载的显示仅依赖于
isLoadingUnreportedTransactions状态,而没有考虑当前是否确实有更多数据需要加载(hasMoreUnreportedTransactionsResults)或者是否是初始加载场景。
解决方案
经过技术团队讨论,最终确定的解决方案是:
-
增强条件判断:修改骨架加载的显示逻辑,使其仅在满足以下两个条件时显示:
- 确实有未报告交易正在加载(
isLoadingUnreportedTransactions为true) - 当前滚动偏移量大于0(表示不是初始加载)
- 确实有未报告交易正在加载(
-
代码实现:具体修改是在
listFooterContent属性中添加偏移量检查:
listFooterContent={isLoadingUnreportedTransactions && offset > 0 ?
<UnreportedExpensesSkeleton fixedNumberOfItems={3} /> :
undefined}
技术考量
这个解决方案考虑了多种边界情况:
- 初始加载空状态:当首次打开页面且没有任何费用记录时,不会显示骨架加载,而是直接显示空状态
- 滚动加载:当用户滚动到底部加载更多数据时,骨架加载会正常显示
- 性能优化:避免了不必要的渲染操作,提升了界面响应速度
经验总结
这个案例为我们提供了几个重要的前端开发经验:
-
状态管理精细化:对于加载状态这类影响用户体验的关键状态,需要进行更细致的区分和管理。
-
用户预期匹配:视觉反馈应该准确反映后台的真实状态,避免给用户造成误解。
-
边界情况考虑:在实现功能时,需要充分考虑各种使用场景,包括初始状态、空状态、加载中等不同情况。
通过这次修复,Expensify/App的未报告费用功能提供了更准确、更符合用户预期的加载状态反馈,提升了整体用户体验。
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-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