Expensify/App 9.1.16-4版本发布:移动端优化与功能增强
Expensify是一款广受欢迎的费用管理和报销应用程序,旨在简化个人和企业的财务流程。该应用提供了从费用跟踪、报告生成到报销审批的全套解决方案,支持多平台使用。本次发布的9.1.16-4版本带来了一系列重要的功能改进和问题修复,主要集中在移动端体验优化、支付流程改进和界面交互增强等方面。
核心功能改进
1. 移动端分享功能实现
开发团队为Android和iOS平台实现了原生的分享扩展功能。这一改进允许用户直接从其他应用分享内容到Expensify,大大提升了移动端的工作效率。虽然该功能在本次发布中经历了回滚操作,但这一技术尝试为未来的功能开发奠定了基础。
2. 离线报告静态骨架加载器
针对网络连接不稳定的情况,团队引入了静态骨架加载器技术。当用户处于离线状态或网络不佳时,应用会显示精心设计的骨架屏,而不是空白页面或加载图标。这种设计不仅提升了用户体验,还减少了因网络问题导致的用户焦虑。
3. 支付流程优化
支付流程进行了全面重构,特别是在用户点击"支付"按钮后的处理逻辑。新版本优化了支付确认、状态更新和结果反馈的全流程,使整个支付体验更加流畅和可靠。
用户体验提升
1. 电子收据视觉改进
电子收据(eReceipt)的视觉设计在新版本中得到了显著提升。团队重新设计了布局、字体和颜色方案,使收据信息更加清晰易读,同时保持了专业的商务风格。
2. 默认输出货币设置
新增了默认输出货币设置功能,用户现在可以在设置中指定偏好的货币类型。这一功能特别适合经常处理跨国交易的用户,减少了每次手动选择货币的麻烦。
3. 帮助按钮布局调整
重新设计了帮助按钮的间距和对齐方式,使其在界面中的位置更加合理,点击区域更加明确,提升了整体界面的美观性和易用性。
技术架构改进
1. React Native升级准备
开发团队已经开始为升级到React Native 77版本做准备。虽然这项工作仍在进行中,但已经为未来的性能提升和新特性支持奠定了基础。
2. 混合应用URL处理优化
改进了混合应用中初始URL的处理逻辑,通过引入InitialURLContextProvider来统一管理初始URL导航,解决了部分场景下的路由问题。
3. 侧边栏行为优化
对侧边栏(Side Pane)在各种模态框和导航操作中的行为进行了全面优化,使其在不同场景下的显示和隐藏更加符合用户预期。
问题修复
本次发布修复了多个影响用户体验的问题,包括但不限于:
- 修复了更改功能设置的相关问题,提升了策略切换的稳定性
- 解决了费用字段在不启用距离费用跟踪时仍显示的错误
- 修正了钱包国家搜索中某些字母跳转不正确的问题
- 修复了报告列表中货币过滤器显示不正确货币的问题
- 解决了工作区切换后内容不重置的问题
总结
Expensify/App 9.1.16-4版本通过一系列精心设计的改进和修复,进一步提升了应用的稳定性、功能性和用户体验。从核心的支付流程优化到细节的界面调整,再到技术架构的改进,这个版本体现了开发团队对产品质量的不懈追求。特别是对移动端体验的关注,显示了Expensify在跨平台一致性方面的持续投入。这些改进将为用户带来更加流畅、可靠的财务管理体验。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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