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 04:18:21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
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue08- 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
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
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
575
3.88 K
Ascend Extension for PyTorch
Python
396
474
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
359
219
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++
902
704
🎉 (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
1.39 K
786
昇腾LLM分布式训练框架
Python
122
148
React Native鸿蒙化仓库
JavaScript
312
364
暂无简介
Dart
813
199
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
124
161
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
93
161