摘要
1) 一句话总结 ChatGPT正式上线了“记忆（Memory）”功能，支持跨对话实时存储、管理用户偏好与短提示词，通过类似优化版RAG的技术解决了AI跨会话遗忘的痛点，实现了更智能的个性化体验。
2) 关键要点
- 功能入口与管理：用户可通过“设置 → 个性化（Personalization） → 记忆（Memory）”开启该功能，并在Manage面板中查看或手动删除已存储的记忆条目。
- 触发与存储机制：通过“请记住…”或“我希望…”等指令可触发记忆，成功后系统会提示“Memory updated”。
- 跨对话能力：突破了单次会话的上下文限制，在新开启的对话中依然能准确调用之前记住的用户信息。
- 推理与独立判断：AI不仅能直接调取记忆，还能基于记忆进行性格推测等复杂推理；若用户让其记住错误事实（如“2的平方等于-1”），AI在后续调用时仍会保持独立判断并予以纠正。
- 短提示词复用：支持将常用的简短提示词（如翻译指令）存入记忆，以便在日常对话中直接调用，免去重复输入或设置GPTs的繁琐。
- 技术路线对比（vs 长上下文）：相比Gemini（100万）或Kimi（200万）等不断拉长上下文窗口的做法，Memory功能解决了固定窗口超出后遗忘以及无法跨对话的问题。
- 技术路线对比（vs 传统RAG）：相比传统RAG（如Dify等需手动上传和更新外部知识库），Memory功能门槛更低，通过自然对话即可实时、自动地更新和扩充记忆库。
3) 风险与不足
- 长提示词简化导致效果下降：Memory功能无法完整存储超长或复杂的提示词。系统会自动对长提示词进行大幅简化（丢失详细要求和具体Case），导致AI部分能力缺失，最终输出效果相比完整提示词会有所下降。
- 长上下文的安全隐患（技术背景风险）：原文提及，单纯依赖提升长上下文长度（作为记忆替代方案）可能会导致模型越狱等安全问题。
正文
最近的OpenAI的风声和小道消息有点多。
比如OpenAI要自己做的类Perplexity的AI搜索引擎 SearchGPT，比如最近在无数 媒体号上闹得沸沸扬扬的gpt2-chatbot。
当然还有那一直期待着的GPT-4.5和GPT-5。
不过这一切都是捕风捉影，真正能用的新东西，也是一个我自己期待了很久的功能，终于在前两天正式上线了。
Memory。
记忆。
之前在用AI的过程中，其实一直有一个痛点，就是他永远无法记得：我是谁，我喜欢什么，我是做什么的。
而如果真是你身边的好助理，他会不记得这些吗？别说你是谁了，你喜欢吃啥口味的菜，喜欢喝什么口味的奶茶，甚至她连你每天几点起床都知道的清清楚楚。
这才是一个优秀且称职的助手。
所以记忆功能，我一直很期待，它是刚需，是我觉得AI走向真正的AI助手，所必须踏出的那一步。
先看看怎么使用记忆的相关内容。
我们点击左下角，打开设置，找到“个性化（Personalization）”选项。
接下来，进入“记忆（Memory）”设置。
最开始点击Manage是空的，他是没有记住任何信息的
我们试着更新一下记忆部分。
一般触发词是： 请记住XXXX、我希望XXXX 。
比如我先让他记几个我自己的信息。
如果出现了Memory updated，则代表会把这条信息给记下了，存在ChatGPT的”脑子”里了。
这时候我们再回到 “记忆（Memory）”的设置， 点击Manage则可以看到我让他记住的所有信息。
你要是觉得记错了，或者这条想重录，右侧也可以删除掉这条记忆信息。
接着我们新开一个对话， 这样Chatgpt就无法用上下文提示，按从前的方法，肯定是一问三不知。
而这次有了记忆之后，我们再来试试。
都非常正确。
最后一点，我问Chatgpt，我是什么样的人？
它不仅正确调取了记忆，并且根据记忆推测出我是一个 多才多艺且热衷于技术和游戏的人 ，Nice哈哈哈哈哈。
不过记忆直接调取有些简单。
我又测试了基于记忆的更复杂的推理和应用。
比如我经常用ChatGPT来做一些翻译。
虽然那个Prompt不长，但是每次我去搜索或者复制啥的都很麻烦，而搞个GPTs那我觉得就更麻烦更笨了。。。我更希望的是像记忆这样直接调用，所以我把那段Prompt直接扔了过去，希望ChatGPT给我记下来：
他记完了之后，我新起一个对话，扔了莎士比亚一段我很喜欢的台词过去。
舒服到起飞。
但是注意一点， Memory里面无法存超长的Prompt，这种短的翻译的还行，但是一些复杂的超长的Prompt会被简化，从而导致最终效果会略有下降。
比如有个文言文翻译的神级Prompt：
我让ChatGPT记完后，去 Memory里看，会发现大幅简化了。
可以看到详细的要求、Case全都没了，从而导致部分能力缺失，效果离完全体的prompt会差一点，但是依然是能用且不错。
所以在定义Prompt时，我建议还是预设一些短的比较好。
最后我还我想知道，如果我告诉他错误的事实，他会有怎样的反应
这里我让他记住 2的平方等于-1。
嗯，他记住了，然后我新开一个对话，问：
事实证明，他会给我纠正，会基于这些记忆信息有自己的判断。
而不是做一只无脑的舔狗。
整体来看，Chatgpt已经可以说具备一定的记忆能力了，并且可以基于记忆力做出更为个性化的回答。
换句话说，他更懂你了，并且它也 不是一股脑记住信息而不做判断。
其实大模型记忆能力本身这件事情，其实很多模型开发商都在努力。
比如 各家都在卷的上下文本长度，Gemini到了100万，kimi甚至达到了将近200万的上下文长度，虽然可以再 提 升，但我觉得但终归不是解决记忆力的最佳方式。
因为这些即便再长，也都是一个固定的上下文长度，你总不能是无限的吧。超过之后，就会遗忘之前的信息。
而且我之前也写过了一篇Claude他们发的论文，在长上下文长度的提升的同时，还可能导致模型越狱等一堆乱七八糟的安全问题。
最核心的是，这些模型在单次会话中不能记住早先的交互。一旦对话结束，所有的上下文信息都会丢失，不会 被转移到下一次会话。
无法跨对话，这才是最难受的。
而另一种方式， 引入外部向量数据库，做RAG检索增强。ChatGPT这次的 Memory其实就这个RAG的优化版。
传统的RAG虽然方便模型获得信息，但这样的方式也有较大的缺陷。
首先上手难度比较大，对普通人来说，很难无法做日常对话使用，以Dify为例，上传知识库，了解参数，普通人直接懵逼了：
而且每一次更新知识库里面的信息，都超级麻烦。
Chatgpt的 Memory这次做了超级优化 ，他可以其实通过在与用户的对话中， Chatgpt会把相关的一些关键信息一条条存储在记忆信息库中。
相比较传统RAG，他具有实时性。
也就是说随着与我们的互动增多，Chatgpt的记忆库会不断更新和扩 充，使得他能更好地适应和预测用户的需求和偏好。
这种长期的适应和学习能力是建立在持续互动基础 上的，与传统RAG每次都要上传知识库，更新起来麻烦的要死的体验相比，可能更加有效。
毕竟，现实生活中， 我们对彼此的了解，不也正是通过一次次的交流逐渐加深的吗？
这才是最符合人类直觉的方式。
这也才是，新造的人。
每一份独特的记忆，构成的才是每一个独一无二的我们。
在过往，AI拥有的只是短期记忆，每一个对话窗口，都是那短暂的一瞬。
这一次，我记得你，下一次，我们从新认识吧。
你的对面仿佛像一只只有7秒记忆的鱼。
而人之所以是人，是人有长期记忆，有长期记忆固化后而形成的永久记忆。然后从这些记忆中，抽象出”虚构”的能力。
现在，大模型，也有了自己的长期记忆。
随着时间的推演，他一定会成为一个真正的非常懂你的助手。
也会逐渐成为，那一个。
新造的”人”。
。