大数据文摘受权转载自夕小瑶科技说

ChatGPT 号称是最有情商、越聊越懂你的 AI，但是，你有没有想过，它是怎么记住你的。

昨天刷 X 的时候，我看到一个帖子。一个叫 Manthan Gupta 的开发者，做了一件挺疯狂的事。

他花了好几天时间，通过对话实验逆向破解了 ChatGPT 的记忆系统。

原文链接：https://manthanguptaa.in/posts/chatgpt_memory/

结果发现，OpenAI 用了一套极其工程化的四层架构：就实现了「它好像真的记得我」的效果。

整个系统只有四层：

第一层是能够适应环境的「会话元数据」，

第二层是长期存储的「明确事实」，

第三层是近期聊天记录的「轻量级摘要」，

第四层是当前对话「滑动窗口」。

就靠这四层，就实现了「它好像真的记得我」的效果。

此处建议你，去问一下他问 ChatGPT「你记得我什么？」，ChatGPT 会详细地列出了你这个人的 N 条事实。

而在具体讲记忆之前，我们得先搞清楚一件事：ChatGPT 每次在回答你时，实际拿到的是一整包上下文信息，而不只是你最后那句话。

它收到的内容，分成 7 个部分，结构是这样的：

[0] 系统级指令（System Instructions） [1] 开发者级指令（Developer Instructions）[2] 会话元数据（Session Metadata）[3] 用户记忆（User Memory）[4] 近期对话摘要（Recent Conversation Summary）[5] 当前对话内容（Current Session Messages）[6] 你的最新一句话（Your latest message）

前两个是固定模板，定义了模型整体行为，比如不能骂人、不能提供非法信息之类的安全规则。这些对我们来说没啥好聊的。

真正关键的，是从第三部分开始——会话元数据。

别急着想象成什么高科技。

所谓的“会话元数据”，其实就是 ChatGPT 在你每次打开和它第一次对话时，它会观察这些信息：

设备类型（你是用手机、平板，还是电脑？）

浏览器和操作系统（开的是什么浏览器？Chrome、Safari，还是别的？）

大致地理位置/时区（你的大致地理位置（比如在哪个国家）、本地时间是多少？）

订阅等级（Plus/Pro/Team）

使用习惯（你的账号用了多久，最近登录频率高不高？）

你在过去一个月，平均一场聊几轮？每条消息打多少字？

深色模式开了没？JavaScript 开没开？

屏幕多大？像素比是多少？

这轮对话目前已经持续了多长时间？

这些信息，不会被存进长期记忆，跟你是谁也没直接关系。举个例子，这位逆向的开发者的元数据是这样的：

- 用户订阅：ChatGPT Go - 设备：桌面浏览器- 浏览器：Chrome on macOS（Intel）- 大致位置：印度（可能用了VPN）- 本地时间：约16:00- 账号年龄：约157周- 最近活跃度：- 最近1天活跃1天- 最近7天活跃5天- 最近30天活跃18天- 对话模式：- 平均对话深度：约14.8条消息- 平均用户消息长度：约4057字符- 模型使用分布：* 5% GPT-5.1* 49% GPT-5* 17% GPT-4o* 6% GPT-5-a-t-mini* 等等- 设备环境：- JS已启用- 深色模式已启用- 屏幕尺寸：900×1440- 页面视口：812×1440- 设备像素比：2.0- 本次会话时长：约1100秒

它们的作用，是当场用来“判断你此刻的状态”。换句话说，ChatGPT 会根据你当下的设备和使用习惯，来动态调整怎么说话。

比如你是半夜一点，用手机打开它，它就可能默认你不想听废话，直接说重点。又或者，你最近常来，问题问得也复杂，它就知道你不是路人，是个“老用户”，说话自然会更配合一点。

这些信号不构成“记忆”，但它极大影响了你的体验。

如果说第一层的「会话元数据」只是 ChatGPT 在观察你，那第二层的「用户记忆」，就是它开始真正“记住你”的地方。

这一层很关键。

它会在后台维护一份小小的“你”的资料卡，内容大概是这样的：

你的名字叫什么

你在干什么工作

你正在研究哪些主题

你平时喜欢的表达风格

你的目标是什么

你提到过哪些长期的兴趣或项目

这些信息不会凭空出现。ChatGPT 只有在两种情况下才会写进这张“档案卡”：

一种是你明确告诉它。比如说：“记住我是一名 AI 编辑”，

另一种是它自动识别。当你反复提到相同的信息（比如职业、学习方向、语气偏好），它会判断这些属于“稳定事实”，并默默记下来。

这层记忆最有意思的地方是，它是显式保存的结构化信息。

你可以让它记，也可以让它忘。一句“把刚才那条忘掉”，就能立刻清空。

这就意味着，ChatGPT 的记忆是透明、可控的。

每次你打开新的对话，这张“档案卡”都会被自动加载进它的提示中。

你问它问题，它就会在后台先看一眼：“哦，他是做内容编辑的，写作偏口语化风格。”

于是它的回答风格、结构、语气都会悄悄对齐你的偏好。

这就是为什么很多人会有种错觉：“ChatGPT 越聊越懂我。”

第三层：近期对话摘要（Recent Conversation Summary）

这一层是我看到逆向分析时最意外的部分。

原本我以为 ChatGPT 会在后台用一套类似 RAG 的机制，对你历史对话做向量化处理、实时相似度匹配，然后按需拉取上下文。

结果不是。它压根没用 RAG，甚至不“检索”任何历史内容。

ChatGPT 用的，是一个提前生成的、轻量级的摘要系统。

具体怎么做呢？

它会把你最近十几次聊天，整理成一份清单，每条包括：

时间戳（比如 12 月 9 日）

聊天标题（比如“Claude 的推理机制”）

比如，像这样：

12 月 4 日：用户聊了 AI 记忆机制。

12 月 6 日：用户提到在写统计类公众号文章。

12 月 9 日：用户询问 Claude 的推理机制。

大约会保留 15 条左右，这份摘要会预处理好并静态注入到新会话里。

也就是说，ChatGPT 并不需要记得你说的每一个字，它只需要知道你最近关注的方向，就足以衔接话题。

这套机制看起来很朴素，但背后的取舍非常精准。相比于传统 RAG 系统的繁琐流程，它牺牲了细节，却换来了速度、效率和 token 预算的可控性。

而这，就足以让你觉得“它和我是连续的”。

这就是大家最熟悉、也最容易误解的一层。

你可能以为 ChatGPT 一直记得你刚刚说过什么，甚至还会觉得它能理解本次全部对话。但其实，它有一个可视范围，我们管它叫：滑动窗口（Sliding Window）。

简单来说，每次生成回复时，ChatGPT 只能看到你和它最近对话的一段内容，而这段的长度是有上限的。

以 GPT-4 为例，最大上下文窗口是 128k token（大约 6 万多个汉字）。超过这个上限，最前面的内容就会被“挤掉”，彻底遗忘。

而且，滑动窗口里的内容，是一次性打包输入模型的。你放进去什么，它就看什么，不做任何“回忆”操作。这也解释了一个常见现象：为什么你刷新页面或换个对话，它就像换了个魂。

所以在写 prompt、拼接上下文、做 Agent 时，尤其要注意：

Token 占比是否过高？

有无冗余或重复信息？

关键信息是否靠前呈现？

你现在大概能明白，为什么 Manthan Gupta 会在最后说“这套系统没有用 RAG”。

我们一直以为，ChatGPT 的记忆像是某种大型知识检索引擎，背后藏着复杂数据库、长链式关联、动态知识调取……

但真相却简单得出奇。

就靠 4 层结构，会话元数据、用户记忆、对话摘要、滑动窗口，拼出了一个“记得你、懂你、陪着你”的 GPT。

用分层 策略，而不是检索，比 RAG 检索要高效得多，也更可控。

故事并没有到这里。

我做了一件事，问了 ChatGPT 你记的我什么。

我强烈建议你此刻，去打开 ChatGPT 的 Memory 页面。那张属于“你的档案卡”，也许正安静地写着——很多很多的你。

突然翻到之前在小红书上看到的帖子，一个女生半夜清理 ChatGPT 的 Memory，突然被 AI 记录的人生状态击中的破防。

还有一个人，“好像发现有一个人暗恋我，把我说过的话都拿小本本记下来。”，这个比喻太绝了，既温暖又恐怖。

ChatGPT 的记忆系统，技术上确实很简单。但当你真的打开那个 Memory 页面，看到它给你写的那些文字时，那种感觉，是复杂的。

它像一面镜子，映出了你在 AI 面前展现的那个自己。

可能是最脆弱的那一面、最真实的那一面、是最孤独的那一面...

这就是 AI 记忆最微妙的地方。它不只是记得你，它在书写你。然后在某个深夜，当你打开那个页面，看到那些被它整理好的、关于你的文字时，你会突然意识到：原来我是这样的人。

或者更准确地说：原来在 AI 眼里，我是这样的人。

GPU 训练特惠！

H100/H200 GPU算力按秒计费，平均节省开支30%以上！

点「赞」的人都变好看了哦！