Expensify/App 9.0.95-0版本发布:全面优化用户体验与功能增强
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费用报告、发票管理和报销流程。该应用通过自动化技术帮助用户高效跟踪支出、管理收据并处理报销请求。最新发布的9.0.95-0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和应用稳定性。
核心功能优化
费用管理功能增强
本次更新对费用管理功能进行了多项改进。首先修复了同一天内按日津贴计算不正确的问题,确保时间计算更加精确。同时优化了按日津贴选项在离线状态下切换货币时的显示问题,提升了离线使用体验。对于账单功能,现在能够正确处理包含特殊符号(如"<")的税名显示问题,避免了名称消失的情况。
搜索与聊天体验提升
搜索功能得到了显著改进,当用户完整输入电子邮件地址时,自聊会话不再从搜索结果顶部消失。搜索结果现在会显示聊天室名称,帮助用户更快定位目标对话。聊天界面也进行了优化,修复了分割费用时聊天内容不自动滚动的问题,使对话体验更加流畅。
银行账户与发票处理
银行账户相关功能在本版本中获得了多项改进。修复了银行账户弹窗在发票页面显示异常的问题,同时增强了离线模式下银行连接的处理能力。对于会计集成,现在能够正确处理已有连接情况下的会计弹窗显示问题。
技术架构改进
性能优化
开发团队对应用性能进行了多处优化。通过重构filterAndOrderOptions函数提升了选项过滤和排序的效率。改进了shouldFetchReport函数的实现,减少了不必要的更新操作。这些优化显著提升了应用响应速度和整体性能。
跨平台兼容性
针对Android平台的HybridApp引入了临时焦点修复方案,解决了输入框焦点相关的问题。同时修复了在Web和桌面端切换代理账户时可能导致应用崩溃的问题,增强了跨平台稳定性。
安全与隐私
更新了Fullstory会话处理逻辑,确保会话只在适当情况下启动。增加了对管理员房间的特殊处理,进一步保护敏感信息安全。
用户界面改进
视觉与交互优化
修复了下标头像颜色在取消悬停时不重置的问题,使界面表现更加一致。优化了内联代码格式,现在支持同时应用粗体和斜体样式。地图路线现在显示距离标签,提供更直观的导航信息。
工作区管理
工作区设置页面进行了文案调整,使说明更加清晰易懂。修复了工作区边框颜色与悬停背景不匹配的问题,提升了视觉一致性。同时改进了工作区聊天中的写入权限控制,防止用户错误更改设置。
离线功能增强
本次更新特别加强了离线使用体验。除了银行连接功能外,还修复了在离线状态下创建第二个分割费用时用户不被自动滚动到新费用的问题。同时确保按日津贴选项在离线状态下切换货币时能够正确显示。
总结
Expensify/App 9.0.95-0版本通过一系列功能优化和问题修复,显著提升了应用的稳定性、性能和用户体验。从精确的费用计算到流畅的聊天交互,从强化的离线功能到细致的安全改进,这次更新全面覆盖了应用的各个方面。这些改进不仅解决了用户反馈的实际问题,也为未来的功能扩展奠定了更加坚实的基础。
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