Expensify/App 9.1.5-0版本发布:优化离线消息处理与工作空间管理
Expensify是一款广受欢迎的财务管理应用程序,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、团队协作等功能,帮助用户高效管理财务事务。本次发布的9.1.5-0版本带来了一系列重要的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
离线消息处理优化
开发团队修复了一个关于离线状态下创建乐观消息的问题。当用户在离线状态下发送消息时,系统会创建一条"乐观消息"(即本地临时存储的消息,待网络恢复后同步到服务器)。在此版本中,修复了这些乐观消息被错误标记为未读状态的问题,确保消息状态的一致性。
工作空间管理增强
针对工作空间管理,本次更新包含多项改进:
- 修复了非管理员用户在降级后未能立即从管理员成员列表中移除的问题
- 解决了工作空间聊天工具提示显示不正确的问题
- 优化了策略费用聊天名称的更新机制
- 修复了升级工作空间后添加审批流程的右侧面板(RHP)不显示的问题
这些改进显著提升了工作空间的管理效率和用户体验。
费用管理功能优化
公司卡管理
修复了启用公司卡后,点击新卡会导向错误页面的问题。现在用户可以顺畅地完成公司卡的相关操作流程。
批量删除功能
修复了批量删除操作后,已删除行未能立即从用户界面中移除的问题,提升了数据操作的实时性和一致性。
审批流程
优化了审批流程的可见性规则,现在只有提交者或审批者才能看到审核操作,避免了不必要的界面元素显示。
技术架构改进
导航系统调整
开发团队对导航系统进行了优化,确保在刷新页面时显示正确的页面内容。同时调整了状态适配逻辑,改进了分屏导航器的处理方式。
性能优化
通过取消订阅广播接收器任务,减少了不必要的资源消耗,提升了应用性能。这一改动特别有利于移动设备的电池续航和整体响应速度。
跨平台一致性
更新了Android和iOS的下载链接,指向混合应用版本,为用户提供更统一的跨平台体验。
用户界面改进
自动完成组件
为自动完成功能添加了边框半径,提升了视觉一致性和美观度。
故障排查菜单
在公共屏幕中添加了故障排查菜单,方便用户快速解决问题。
聊天列表项
扩展了对所有报告操作类型的支持,在聊天列表项中使用ReportActionItem,提升了聊天功能的灵活性和一致性。
国际化与本地化
修复了旅行选择域名时的域名列表显示问题,确保全球用户都能获得正确的域名选项。
支付流程改进
连接了USD和非USD的虚拟银行账户(VBA)流程,简化了国际支付操作。同时修复了获取可分配卡列表的功能,提升了支付流程的可靠性。
开发者相关更新
构建流程优化
更新了Fastlane的S3上传配置,修复了相关工作流程。同时改进了移动端临时工作流程的评论功能。
状态管理
迁移了AuthScreens以使用Onyx v2状态管理库,为未来的功能扩展打下基础。
总结
Expensify/App 9.1.5-0版本通过一系列精心设计的改进和修复,显著提升了应用的稳定性、功能完整性和用户体验。从离线消息处理到工作空间管理,从支付流程到用户界面,每个方面的优化都体现了开发团队对细节的关注和对用户需求的深入理解。这些改进共同构成了一个更加可靠、高效的财务管理工具,为用户提供更流畅的使用体验。
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