Expensify/App 中提交费用后显示加载器而非预览的问题分析
2025-06-15 06:08:12作者:魏献源Searcher
问题描述
在 Expensify/App 的 9.1.51-0 版本中,用户提交费用后遇到了一个显示异常问题。当用户完成费用提交操作后,界面本应显示费用预览,但实际上却显示了一个大型加载器(loader),导致用户无法立即查看提交的费用详情。
问题重现
这个问题在两种场景下可以重现:
-
直接消息场景:
- 用户登录 Gmail 账户
- 进入直接消息界面
- 向其他用户提交两笔费用
- 点击费用预览时出现加载器
-
自我对话场景:
- 使用支持自我对话的账户
- 进入自我对话界面
- 记录手动费用时
- 同样出现加载器而非预览
技术背景
这个问题属于前端显示逻辑的异常。在正常的应用流程中,当用户完成费用提交后,前端应该立即获取并渲染费用详情,显示预览界面。而出现加载器表明系统仍在等待某些数据或操作完成,未能及时进入预览状态。
问题原因
根据开发团队的快速响应,这个问题是由一个特定的 Pull Request (#61854) 引入的。该 PR 可能修改了费用提交后的状态管理逻辑,导致前端在应该显示预览时错误地保持了加载状态。
解决方案
开发团队采取了以下措施:
- 快速回滚:首先回滚了引入问题的 PR (#61854),这是处理生产环境问题的标准应急措施。
- 后续修复:随后提交了专门的修复 PR (#62767) 来解决这个问题。
影响范围
这个问题影响了多个平台:
- Android 应用和移动网页版
- iOS 应用和移动网页版
- Windows 和 MacOS 的桌面版及网页版
技术启示
这个案例展示了几个重要的开发实践:
- 回归测试的重要性:虽然问题在生产环境才被发现,但完善的测试流程可以帮助提前发现这类显示逻辑问题。
- 快速响应机制:团队建立了有效的应急响应流程,能够快速定位问题源头并采取补救措施。
- 状态管理复杂性:前端状态管理(特别是涉及异步操作时)容易出现问题,需要特别注意状态转换的正确性。
总结
Expensify/App 团队通过快速识别问题源头并采取有效措施,成功解决了这个影响用户体验的界面显示问题。这个案例也提醒开发者在修改涉及状态转换的代码时需要格外谨慎,并确保有充分的测试覆盖。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
9
1
🎉 (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
1.2 K
655
🔥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
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137