做项目管理的人大概都经历过这种折磨：老板甩过来一份 Excel 任务清单，几十行数据，列名随心所欲，你得一条条手动敲进甘特图工具里。等项目做完了，列表里堆着几十个历史项目，翻找当前项目像在垃圾堆里找钥匙。
StarGantt V3.7 直接瞄准了这两个痛点——Excel 导入从"只有 AI 识别"升级为双模式可选，同时新增项目归档功能，让活项目和死项目各归其位。
Excel 导入：AI 识别 vs 模板映射，两种路子各有场景
之前星甘的 Excel 导入只有 AI 模式：你扔一份格式随意的表格进去，AI 自动识别列含义，把任务名、开始时间、结束时间、负责人等字段映射到甘特图结构里。听起来很酷，但实际用起来有两个问题：
- 识别不稳定：列名太模糊或格式太野时，AI 可能把"负责人"识别成"任务描述"，你得手动修正。
- 无法批量复用：每次导入都要重新识别，同一格式的周报模板每周都得让 AI 再猜一遍。
V3.7 新增了模板映射模式：你预先定义好"第几列对应什么字段"，后续同格式的 Excel 直接按模板导入，零识别开销。
实际选择逻辑很清晰：
| 场景 | 推荐模式 |
|---|---|
| 一次性导入、格式混乱的外部表格 | AI 识别 |
| 定期导入、格式固定的内部模板 | 模板映射 |
| 首次用 AI 识别成功后反复导入同格式 | 先 AI 识别，再保存为模板 |
项目归档：做完的项目不该和活项目挤在一起
项目归档的思路很简单——做完的项目移入归档区，主列表只保留进行中的项目。这听起来像文件夹分类，但放在甘特图工具里意义更大：
- 主列表干净，当前项目的筛选和排序不再被历史数据干扰。
- 归档项目不删除，随时可以调出来复盘工期、查阅任务依赖关系。
- 团队成员打开工具时看到的是"当前要干的事"，而不是"过去干过的一百件事"。
归档操作本身是手动触发的，不是按日期自动归档。这设计合理——有些项目虽然超期完成了，但后续还有零星改动，强行自动归档反而麻烦。
实操：用 Python 生成一份标准导入模板
如果你团队的任务清单是从其他系统导出的 CSV/Excel，格式可能和星甘的模板字段不完全对齐。下面这个脚本把常见格式的任务清单转换为星甘模板映射模式可直接导入的结构：
import pandas as pd
# 原始数据：你们系统导出的格式，列名可能很随意
raw_data = pd.DataFrame({
"任务编号": ["T-001", "T-002", "T-003"],
"工作内容": ["需求评审", "前端开发", "接口联调"],
"开始": ["2025-07-01", "2025-07-05", "2025-07-12"],
"截止": ["2025-07-03", "2025-07-11", "2025-07-15"],
"谁负责": ["张三", "李四", "王五"],
"进度": ["100%", "60%", "0%"],
"前置任务": ["", "T-001", "T-002"],
})
# 映射到星甘模板字段名（按模板映射模式的要求对齐列名）
mapping = {
"任务编号": "task_id",
"工作内容": "task_name",
"开始": "start_date",
"截止": "end_date",
"谁负责": "owner",
"进度": "progress",
"前置任务": "predecessor",
}
stargantt_ready = raw_data.rename(columns=mapping)
# 进度字段从 "60%" 转为数字 60，星甘期望数值型
stargantt_ready["progress"] = (
stargantt_ready["progress"]
.str.replace("%", "")
.astype(int)
)
# 保存为 Excel，直接扔进星甘模板映射模式导入
stargantt_ready.to_excel("stargantt_import.xlsx", index=False)
print("已生成 stargantt_import.xlsx，共", len(stargantt_ready), "条任务")
运行前确保装了 pandas 和 openpyxl：
pip install pandas openpyxl
python prepare_stargantt_import.py
生成出来的 stargantt_import.xlsx 列名已经是星甘标准字段，在模板映射模式下选好对应关系，后续每周同格式导出直接一键导入，不用再让 AI 猜列名。
首次 AI 识别的实用建议
如果你拿到的是一份完全陌生格式的表格（比如客户发来的项目计划），用 AI 识别模式时注意几点：
- 列名越直白越好：AI 对"任务名称""开始日期""负责人"这类标准中文列名识别率极高，对"事项""启动""担当"这种模糊词容易误判。如果能在源文件里改列名，先改再导入。
- 日期格式统一：全表用
YYYY-MM-DD或YYYY/MM/DD，混用格式（有的写"7月1日"有的写"2025-07-01"）会降低识别准确率。 - 识别结果要逐列检查：AI 导入完成后，花两分钟逐列确认字段映射是否正确，比事后发现负责人全变成了任务描述再批量修正要省得多。
什么时候该归档，什么时候不该
归档不是越勤快越好。几个判断标准：
- 项目所有任务已关闭，且近两周无新增变更 → 归档。
- 项目已交付但客户还在提小需求 → 不归档，留在主列表标记为"维护期"。
- 项目暂停/搁置，不确定是否会重启 → 归档，但命名加"暂停"标签，方便后续找回。
- 项目超期但核心任务仍在推进 → 绝不归档。
归档后如果需要恢复，星甘支持从归档区重新激活项目到主列表，数据完整保留，不会丢失任何任务依赖关系。
小结
StarGantt V3.7 的两个更新解决的都是"重复劳动"问题：Excel 导入双模式让你不用每次都手动搬数据或赌 AI 识别运气；项目归档让你不用在项目列表里做人工筛选。如果你团队有定期从 Excel/CSV 导入任务的需求，建议先跑一次 AI 识别确认字段映射，然后保存为模板，后续用模板映射模式批量导入——这是目前最稳最快的路径。