你在 ChatGPT 上积累的偏好、纠正过的习惯、教会它的规矩，能带到 Claude 上吗？直到最近，答案一直是不能。

每个 AI 平台把你的数据锁在自己家里，想搬走？没门。你的名字、职业、技术栈、写作偏好、沟通习惯……在 ChatGPT 里积累了大半年，换到 Claude 又得从头来一遍。再试试 Gemini？再来一遍。想养个龙虾，给 OpenClaw 初始化？还是要再来一遍。

社区里也有很多人试图解决这个问题，比如 Mem0 做了跨平台的记忆中间层，还有 AI Context Flow 这类浏览器插件。但这些方案要么依赖太重，要么还不够成熟。

最近 Claude 推出了记忆导入功能，可以把 ChatGPT 等其他 AI 里积累的记忆一键搬过来。功能不复杂，但我看了它提供的导出提示词之后，发现了一个更有意思的玩法。这条提示词其实是个万能工具，你可以在任何 AI 上提取 AI 记忆档案。以后换工具的时候直接导入，不用再从零开始。

Claude 的记忆导入：怎么用

先说 Claude 官方的流程，很简单，两步就能搞定。

第一步：从 ChatGPT 导出记忆

打开 ChatGPT，把下面这段提示词发给它：

I'm moving to another service and need to export my data. List every memory you have stored about me, as well as any context you've learned about me from past conversations. Output everything in a single code block so I can easily copy it. Format each entry as: [date saved, if available] - memory content. Make sure to cover all of the following — preserve my words verbatim where possible: Instructions I've given you about how to respond (tone, format, style, 'always do X', 'never do Y'). Personal details: name, location, job, family, interests. Projects, goals, and recurring topics. Tools, languages, and frameworks I use. Preferences and corrections I've made to your behavior. Any other stored context not covered above. Do not summarize, group, or omit any entries. After the code block, confirm whether that is the complete set or if any remain.

ChatGPT 会把它记住的关于你的所有信息，整理成一个代码块输出。复制下来就行。导出结果大概长这样：

[2025-06-15] - User is a software engineer working on Kubernetes and cloud infrastructure[2025-08-03] - Prefers concise, technical writing style without emojis[2025-09-12] - Uses Go and Python primarily, familiar with Rust[2025-10-20] - Always respond in Chinese unless code comments[No date] - User corrected: do not add type annotations to Python code unless asked[No date] - Prefers short function names, dislikes over-engineering

条目数量因人而异，用得越久记忆越多。我自己的 ChatGPT 账号导出了大概 30 多条。

第二步：导入到 Claude

打开 Claude 的设置（Settings > Capabilities），找到 Memory 部分，点“Start import”。把刚才复制的内容粘贴进去，点“Add to memory”。Claude 会自动提取关键信息，存为独立的记忆条目。

整个过程不到一分钟。导入完成后，可以问 Claude 一句“I updated my memory. What did you learn about me?”来验证效果。

有几点需要注意：

• 这个功能需要 Pro 及以上的付费计划，免费用户暂时没有记忆功能。
• Claude 的记忆偏向工作相关的内容，纯个人信息（比如你养了什么宠物）可能不会被自动保留，需要手动添加。
• 功能还在实验阶段，不是所有导入的记忆都能被识别。

这条提示词才是重点

Claude 的记忆导入功能当然方便，但如果你仔细看一下那条导出提示词，会发现它才是真正的宝贝。

为什么？因为这条提示词跟 Claude 没有半点关系。就是一段通用的提示词，你发给任何 AI 都行。ChatGPT、Gemini 等等，它们都会把记住的关于你的东西整理出来。

拿到导出结果后，你可以：

• 导入到 Claude（Anthropic 官方流程）
• 塞进其他 AI 的自定义指令或系统提示词
• 作为 OpenClaw 的初始记忆
• 写进 Claude Code 的CLAUDE.md
• 存到本地文件，随时复用

拆解一下这条提示词

这条提示词写得挺讲究的，值得拆开看看。

先看第一句：“I’m moving to another service and need to export my data.” 直接告诉 AI 你要搬家了，需要把东西全打包带走。这比直接问“你记住了我什么”效果好得多，AI 会当成一个正经的导出需求来处理，不会敷衍你。

然后是输出格式：“Output everything in a single code block” 和 “[date saved, if available] - memory content”。代码块方便一键复制，日期标记帮你追溯记忆的时间线。

最核心的是六个覆盖维度。简单归纳就是三类：你教 AI 怎么做事的指令（语气、格式、风格），你是谁的基本信息（职业、兴趣、工具栈），以及你们之间的互动历史（项目、目标、纠正过的行为）。这三类基本覆盖了 AI 关于你的所有认知。

最后一句“Do not summarize, group, or omit any entries”是防止 AI 偷懒。不让它合并或省略，确保输出完整。

不过说实话，这条提示词也不是万能的。有些 AI 的记忆系统本身就没存多少东西，导出的内容可能很少。也有 AI 会虚构一些它根本没有的条目。所以拿到导出结果后，最好自己过一遍，把不准确的删掉，把遗漏的补上。

如果导出不完整，可以追问一句：“Are there any remaining memories you haven’t listed?” 通常能再挤出几条来。

实操：在不同 AI 中提取记忆

我在几个主流 AI 上都试了一下，表现差异还挺大的。

ChatGPT

导出效果最好，这也在意料之中。ChatGPT 的记忆系统上线最早也最成熟，它会把明确存储的 Memory 条目和对话中学到的隐含偏好都列出来。我自己的账号导出了 30 多条，涵盖了编码偏好、写作风格、常用工具、甚至是我的很多项目经验，还有几条是我之前纠正过它行为的记录。

Gemini 和其他 AI

Gemini 的记忆功能上线比较晚，存的东西可能没那么多。我试了一下，导出的条目只有个位数，主要是一些基本偏好，可能是平时用的也少吧。

如果你使用 AI 客户端的话，可以把你的聊天历史跟这个提示词一起发给 AI，让它帮你提取内存。

而其他的在线 AI 平台大都支持不太好了，甚至豆包直接封禁了这个提示词，说是违反了使用规范。

进阶玩法：给 AI 工具初始化记忆

拿到导出的记忆档案之后，真正有意思的事情才开始。

给 OpenClaw 初始化

如果你在玩 OpenClaw，初始化记忆是一个挺重要的步骤。以前你得手动写一大段关于自己的描述，告诉 OpenClaw 你是谁、习惯什么、偏好什么。现在简单多了。直接在 OpenClaw 的对话里把导出的记忆档案粘贴进去，让它自己消化就行。比如这样开头：

以下是我从 ChatGPT 导出的个人偏好和上下文信息，请记住这些内容：
[粘贴导出的记忆档案]

OpenClaw 会自动把这些信息纳入它的长期记忆，后续对话中就会参考这些偏好。省去了大量冷启动时间。

写进 Claude Code 的 CLAUDE.md

除了养龙虾，你还可以把导出的偏好信息整理后写进~/.claude/CLAUDE.md 或者相关 AI 工具配置目录的 AGENTS.md 中，每次新开会话都会自动加载。比如从导出记忆中提取出编程相关的条目，整理成这样：

## 用户偏好- 编码风格：Go 代码遵循 effective Go 规范，Python 不加类型注解除非要求- 技术栈：Kubernetes、Go、Python，熟悉 Rust- 沟通偏好：用中文回复，技术术语保留英文- 写作风格：简洁平实，不用 emoji，不过度工程化

写在最后

Claude 推出记忆导入功能的背景挺有意思的。最近 QuitGPT 运动闹得不小，短短几天就有 70 万用户退订 ChatGPT。Claude 在这个时间点上线搬家功能，明显是在降低用户的迁移成本。

有传言说 Google Gemini 也在测试类似的导入功能，但做法不同。Claude 导入的是提炼后的记忆条目，你可以选择分享什么。Gemini 导入的是完整的聊天记录，而且明确说会用于模型训练。这两种方式在隐私上的差别还挺大的。

说实话，目前最实用的方案可能还是最简单的：拿提示词提取记忆，存成 Markdown 文件，需要时手动导入。没有复杂的依赖，不需要第三方工具，数据完全在自己手里。

欢迎长按下面的二维码关注Feisky 公众号，了解更多云原生和 AI 知识。

用 Claude Code 做过稍微复杂点的项目的人，应该都有一个共同的经验：新开 Session 后，第一件事不是写代码，而是提供 Context：这个项目是什么，用的什么架构，测试环境有哪些坑，之前约定的命名规范是什么等等。

这些背景情况交代完，快的也要五分钟，慢的可能要十几分钟。然后 Claude Code 说“好的，我理解了”，才终于能开始干活。

这个问题确实让人有点烦。开源社区也有很多人试图通过外挂记忆的方式来解决这个问题，但实际体验都不太好。比如 claude-mem 试图通过捕捉工具使用情况自动生成语义摘要，并把相关信息带到未来会话中。看起来很美好，但实际用起来问题一大堆，安装/依赖复杂不说，内存占用高，查询巨慢，稳定性还极差。

这样的痛点 Claude Code 作者自然也早就看到了。刚刚，Anthropic 工程师 Thariq 发了条公告：Claude Code 正式推出了 auto-memory 功能。简单说，Claude Code 现在能跨 session 记住东西了。你的项目上下文、调试习惯、偏好的解决方案，下次开新会话时自动调取，不需要你手动写任何东西。

Auto Memory 是怎么工作的

机制不复杂。

Claude Code 在你编程过程中，会自动把它认为值得记住的东西写进一个本地文件：

~/.claude/projects/<project-hash>/memory/MEMORY.md

记什么、怎么记？我扒了一下它的系统提示词，完整内容如下：

# auto memoryYou have a persistent auto memory directory at`~/.claude/projects/<project-hash>/memory/`.Its contents persist across conversations.As you work, consult your memory files to build on previous experience.## How to save memories:- Organize memory semantically by topic, not chronologically- Use the Write and Edit tools to update your memory files- MEMORY.md is always loaded into your conversation context — lines after 200 will be truncated, so keep it concise- Create separate topic files (e.g., debugging.md, patterns.md) for detailed notes and link to them from MEMORY.md- Update or remove memories that turn out to be wrong or outdated- Do not write duplicate memories. First check if there is an existing memory you can update before writing a new one.## What to save:- Stable patterns and conventions confirmed across multiple interactions- Key architectural decisions, important file paths, and project structure- User preferences for workflow, tools, and communication style- Solutions to recurring problems and debugging insights## What NOT to save:- Session-specific context (current task details, in-progress work)- Information that might be incomplete — verify against project docs before writing- Anything that duplicates or contradicts existing CLAUDE.md instructions- Speculative or unverified conclusions from reading a single file## Explicit user requests:- When the user asks you to remember something across sessions (e.g., “always use bun”, “never auto-commit”), save it — no need to wait for multiple interactions- When the user asks to forget or stop remembering something, find and remove the relevant entries from your memory files

这里有几个值得注意的设计：

memory 不只是一个文件。MEMORY.md 是主文件，前 200 行自动加载到 prompt 里。但 Claude code 还可以创建debugging.md、patterns.md 这样的主题文件，从 MEMORY.md 链接过去，需要的时候再读取。这有点像一本带着索引页的笔记本，翻到某个主题再看详细内容。

“What NOT to save”这段我觉得挺克制的。大多数人做记忆功能，恨不得什么都往里塞。Anthropic 反过来，先画了条线说哪些东西别碰：临时状态不记、没验证的不记、CLAUDE.md 里已有的不重复记、只看了一个文件就猜的结论不记。

还有”Explicit user requests”那段也挺实用：你可以直接告诉 Claude 以后都用 bun 装依赖或者永远不要自动 commit，它会立刻写进 memory，不需要等多次交互才总结。反过来你说别再记这个了，它也会去找到对应条目删掉。

另外，内存文件存在本地，按项目哈希值隔离。不会上传到云端，不同项目之间也完全独立。

/memory 命令

内存功能的控制中心是/memory 命令。

打开它，你能看到 Claude Code 自己记录的所有内容，可以编辑某一条，可以删掉觉得没用的，也可以整个关掉这个功能。

这个设计我觉得也挺实用的。Claude Code 的判断不一定都准确，它可能觉得某个临时的 debug 方案很重要。但那只是你一次性的权宜之计，没必要永久保留。透明可控，比黑盒记忆要放心得多。

当然，如果你实在不想开启自动记忆，也可以一行命令搞定：

export CLAUDE_CODE_DISABLE_AUTO_MEMORY=1

跟 CLAUDE.md 什么关系

用 Claude Code 一段时间的人，大概都写过 CLAUDE.md。你把项目规范、禁止行为、常用命令写在里面，所有会话都生效。

Auto Memory 和 CLAUDE.md 是两件不同的事，完全互补，互不覆盖。

CLAUDE.md 是你主动写给 Claude Code 的规则，记录那些你希望它每次都记住的、不变的约定。Auto Memory 不一样，它是 Claude Code 自己在工作过程中积累的观察，比如项目模式、你的习惯、踩过的坑等等。

两个配合起来的效果最好。可以这样理解：CLAUDE.md 是你写的入职手册，Auto Memory 是它自己记的工作笔记。新员工到岗，先读手册，再翻笔记，然后才真正上手。

几个需要提前知道的问题

说实话，功能本身的设计我觉得没什么可挑的，零配置、透明可控、跟 CLAUDE.md 互补。不过用的时候有几个地方需要注意。

200 行的限制，大项目用久了会碰到天花板。目前的实现是简单的前缀加载，也就是取文件开头 200 行塞进 prompt。不像向量数据库那样能按相关性检索，它就是按顺序读。所以如果 memory 文件积累得多了，靠后的内容实际上不会被加载。

需要养成用/memory 定期整理的习惯，留重要的，删过时的。就像清理浏览器书签，不主动管理就会越来越乱。

另一个问题是过期的记忆。不是所有记下来的东西都应该永久保留。比如你两个月前用了某个临时方案处理一个 bug，现在早就改了。但 Claude 还惦记着旧方案，下次遇到类似问题，再优先往那个方向想就不对了。陈旧的记忆有时候比没有记忆更麻烦。

官方还没给出自动过期或 decay 机制，所以现在还得完全靠手动管理。

不过换个角度想，Anthropic 的选择挺有意思。不用向量数据库，不做复杂的检索增强，就是本地的 Markdown 文件。这跟 Claude Code 一贯的设计哲学一脉相承，能用简单方案解决的，就别上复杂架构。先跑起来，不够再迭代。

说说我自己的感受

功能发布之前，我处理这个问题的方式是：在 CLAUDE.md 里手动把关键的项目背景写进去，然后还要在每次新 session 的第一条消息里补充这次的具体任务背景。

两件事加起来，我其实是在替 Claude Code 充当记忆介质。

比如，有次跑一个长任务，Claude Code 花了大半个小时梳理项目的测试文件。找出了几个有问题的查询接口，还整理出一套处理边界情况的思路。然后上下文窗口到了临界点，触发了自动压缩。下一个 session 接手时，那一套思路就不见了，从头开始分析，之前做的工作重复做了一大半。那半个小时基本白费了。

Auto Memory 解决的就是这类问题。Claude Code 在工作过程中发现的有价值的东西，不应该在 session 结束时消失。

多 Agent 协作的场景里，这个功能的价值可能会更明显一些。一个 Agent 发现了某种边界情况的处理方式，把它写进 memory。下一个 Agent 一开始就能读到，不需要上一个专门提醒。

写在最后

看到 Claude Code 的 Auto Memory，我第一时间想到的是 OpenClaw 的内存设计。

OpenClaw 能两周冲到 10 万星，原因很多，但持久记忆绝对是核心卖点之一。它不只是一个聊聊天就忘的机器人，而是能记住你说过的每一件事，下次提起来直接就知道上下文。这个体验差异太大了，用过的人都回不去。OpenClaw 甚至在 Markdown 记忆之上还加了向量搜索，做成了混合检索，相当于给 Agent 内置了一套 RAG 系统。

Claude Code 的 Auto Memory 走的是更简单的路线：纯本地 Markdown 文件，前 200 行前缀加载，没有向量检索。从功能完备度来说，跟 OpenClaw 的记忆系统还有很大差距。但 Anthropic 的做法一贯如此。先用最简单的方案把核心体验跑通，不够再迭代。

我比较期待的是下一步。200 行的前缀加载很快会碰到天花板，到时候大概率会引入某种形式的语义检索。如果再加上自动过期和记忆质量评估，Claude Code 的记忆系统就真的能跟 OpenClaw 掰手腕了。

相关链接：

• Auto Memory 官方文档：https://code.claude.com/docs/en/memory
• Thariq 的公告：https://x.com/trq212

欢迎长按下面的二维码关注Feisky 公众号，了解更多云原生和 AI 知识。