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。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00