Expensify/App 9.0.86-0版本发布:功能优化与问题修复
Expensify是一款广受欢迎的财务管理应用,专注于简化个人和企业的报销流程。该应用提供了费用跟踪、报告生成、账单支付等功能,帮助用户高效管理财务事务。最新发布的9.0.86-0版本带来了一系列功能改进和问题修复,进一步提升了用户体验。
核心功能改进
搜索功能增强
开发团队对应用的搜索功能进行了多项优化。现在搜索操作会包含违规检查,确保搜索结果的合规性。同时修复了通过搜索找到新参与者/电子邮件时显示为最近聊天的问题,使搜索结果更加准确和直观。
支付流程优化
支付体验得到了显著提升。修复了支付用户名不发出声音的问题,改善了无障碍体验。针对部分支付场景进行了特别处理,如修复了"酒店支付旅行"报告仍显示"批准"按钮的问题,使界面逻辑更加合理。
卡片管理改进
对于企业用户而言,卡片管理变得更加灵活。修复了单张卡片分配给多个用户时的流程问题,使卡片分配操作更加顺畅。这一改进特别适合需要共享公司卡片的团队使用场景。
用户体验提升
界面交互优化
多个界面交互问题得到了修复。确认按钮跳动的问题被解决,使表单提交过程更加平稳。系统消息显示undefined的问题也被修复,提升了错误处理的友好性。此外,修复了联系人列表中第一项被意外高亮显示的问题,使界面行为更加符合预期。
表单验证增强
加强了表单字段的验证逻辑,特别是针对必填字段的处理。现在当未选择州/省时,应用会正确触发必填字段验证,防止用户提交不完整的表单数据。
距离编辑器改进
针对商务旅行用户,修复了距离编辑器中航点保存的问题。现在即使刷新并关闭编辑器而不保存,航点数据也能正确保留,避免了数据丢失的情况。
技术架构升级
后台任务处理
iOS平台的后台任务处理机制进行了重构,从零开始重新实现了后台任务功能。这一改进将提升应用在后台运行时的稳定性和性能表现。
开发工具更新
项目将Node版本更新至20.18.1,以支持Quality Stabilization Period(QSP)流程。这一更新确保了开发环境与最新Node特性的兼容性,同时保持了稳定性。
测试框架完善
针对端到端测试进行了多项修复,包括解决空测试账户问题和开发环境运行问题,提高了测试覆盖率和可靠性。
内容与文档更新
帮助文档得到了完善,为"支付费用"文章添加了相关图片,使说明更加直观。同时更新了指南中关于不存在ID的处理说明,为开发者提供了更清晰的参考。
总结
Expensify/App 9.0.86-0版本通过一系列功能优化和问题修复,进一步提升了应用的稳定性、可用性和用户体验。从核心的搜索和支付功能,到界面交互细节,再到技术架构的升级,都体现了开发团队对产品质量的持续追求。这些改进将使各类用户,无论是个人用户还是企业团队,都能获得更加流畅高效的财务管理体验。
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-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