Expensify/App 9.1.65版本发布:移动端优化与功能增强
项目简介
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。作为一款全平台应用,它提供了从费用跟踪、发票管理到团队协作等一系列财务解决方案。本次发布的9.1.65版本主要针对移动端体验进行了多项优化和功能增强。
核心改进
1. 电子支付功能增强
开发团队对电子支付创建流程进行了优化,现在在调用createDigitalWallet API时会正确传递cardID参数。这一改进确保了电子支付与特定支付卡的关联更加可靠,为用户提供了更稳定的支付体验。
2. 离线模式稳定性提升
修复了在离线状态下创建发票或费用时可能出现的无限加载问题。这一改进特别适合经常需要在无网络环境下工作的用户,确保了应用的可靠性。同时,对于未完成初始设置的用户,修复了通过快捷方式启动应用时可能出现的无响应情况。
3. 报告与评论界面优化
针对报告详情页面进行了多项改进:
- 修复了空报告中不显示评论子标题的问题
- 改进了拆分预览功能,现在即使金额为0也会显示预览
- 优化了合并归档工作空间中的费用添加流程
4. 多语言支持改进
对西班牙语的银行账户删除错误消息进行了翻译修正,提升了非英语用户的使用体验。同时修复了个人详细信息引导模态窗口可能重复显示的问题。
技术架构优化
1. 组件重构
用新的AttachmentModalScreen组件取代了原有的AttachmentModal实现。这种重构遵循了现代React Native开发的最佳实践,使代码结构更加清晰,便于维护和扩展。
2. 纯函数应用
将getReportDetails函数改造为纯函数,这意味着它的输出完全由输入决定,没有副作用。这种改变提高了代码的可预测性和可测试性,是函数式编程原则的良好实践。
3. 审计日志完善
修复了策略审计日志中关于薪资代码和GL代码类别字段添加/更新的错误消息,确保了财务操作的透明度和可追溯性。
用户体验改进
1. 工作空间管理
- 修复了刷新默认货币页面后重定向到确认工作空间页面的问题
- 优化了标签和类别的空状态显示
- 改进了工作空间创建文档
2. 视觉一致性
修复了"了解更多"文本大小大于违规文本的问题,保持了界面元素的视觉一致性。这种细节改进虽然小,但对提升整体用户体验至关重要。
开发者资源
本次发布包含了完整的构建产物和源码映射文件,便于开发者进行调试和分析:
- Android应用包(APK)和Android应用捆绑包(AAB)
- iOS应用包(IPA)
- macOS桌面应用(DMG)
- Web构建包
- 各平台的源码映射文件
这些资源为开发者社区提供了充分的支持,便于进行二次开发或问题排查。
总结
Expensify/App 9.1.65版本虽然在版本号上是一个小版本更新,但包含了多项实质性的改进和优化。从核心功能稳定性的提升到用户体验的细节打磨,再到技术架构的优化,都体现了开发团队对产品质量的持续追求。特别是对离线模式和移动端体验的改进,使得这款财务工具在各种使用场景下都能提供可靠的服务。
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