Expensify/App 9.1.64版本发布:性能优化与用户体验改进
Expensify是一款广受欢迎的开源费用管理应用程序,它帮助用户轻松跟踪和管理个人及企业开支。该应用提供了丰富的功能,包括费用报告、发票管理、团队协作等。最新发布的9.1.64版本带来了一系列重要的改进和修复,主要集中在性能优化、用户体验提升和功能完善三个方面。
性能优化改进
本次版本在性能方面做了多项优化,显著提升了应用的响应速度和流畅度。开发团队减少了PopoverWithMeasuredContent组件的重新测量频率,这一改动有效降低了界面渲染时的计算开销。同时,通过优化BaseSelectionList组件,解决了之前存在的性能回归问题。
在数据处理方面,团队改进了报告替换机制(set replace report),减少了不必要的状态更新和数据传输。此外,还移除了getReportNameValuePairs的冗余调用,这一改动在检查聊天室描述是否可编辑时特别有效,减轻了系统负担。
用户体验增强
9.1.64版本对用户界面进行了多处细致调整。修复了分享包含空格文件名时的问题,确保文件共享功能更加可靠。改进了工作流审批区域的底部填充,解决了之前文字被截断的问题。
登录页面UI进行了重新设计,优化了离线状态下的Google登录体验。新增了多扫描教育弹出窗口,帮助用户更好地理解和使用扫描功能。对于时区处理也更加健壮,修复了因不支持时区值导致的崩溃问题。
功能完善与问题修复
在功能方面,本次更新增加了从报告中取消报告交易的能力,为用户提供了更灵活的操作选择。改进了银行账户工作流,将地址搜索限制为美国地区,提高了地址匹配的准确性。
安全方面,新增了锁定账户模态框,当账户被锁定时能够优雅地处理相关操作。修复了双重认证页面可能出现的无限循环问题,增强了账户安全性。
对于企业用户,修复了审批工作流变更后审批按钮不可见的问题,确保了审批流程的顺畅进行。同时改进了商户名称设置,防止通过输入"(none)"将商户名称设置为空值的情况。
国际化与本地化
开发团队持续改进应用的国际化支持。修复了西班牙语中无效商户的翻译问题,确保错误信息准确传达。优化了银行账户删除时的错误消息翻译,提升了非英语用户的使用体验。
技术架构调整
在底层架构方面,团队开始弃用getPolicy方法,这是向更现代化架构演进的一部分。重新引入了"Improve HybridApp initialProps"的改进,增强了混合应用的初始属性处理能力。
测试基础设施也有所增强,更新了@testing-library/react-native版本,为即将到来的React Native 0.79升级做准备。这些底层改进虽然用户不可见,但为应用的长期稳定性和可维护性奠定了基础。
总结
Expensify/App 9.1.64版本通过一系列精心设计的改进,在性能、用户体验和功能完整性方面都有显著提升。这些变化体现了开发团队对细节的关注和对用户反馈的积极响应。随着这些改进的推出,用户可以期待更流畅、更可靠的费用管理体验。
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