大家好，我是玄姐。

當(dāng)我詢問 ChatGPT 關(guān)于我的記憶時(shí)，它列出了 33 個(gè)事實(shí)，從我的名字、職業(yè)目標(biāo)到當(dāng)前的健身計(jì)劃應(yīng)有盡有。但它究竟是如何存儲和檢索這些信息的？為何整個(gè)過程會如此無縫自然？

經(jīng)過大量實(shí)驗(yàn)，我發(fā)現(xiàn) ChatGPT 的記憶系統(tǒng)遠(yuǎn)比預(yù)想中簡單：沒有向量數(shù)據(jù)庫，也沒有基于對話歷史的檢索增強(qiáng)生成（RAG），取而代之的是四個(gè)獨(dú)立的層級：適配環(huán)境的會話元數(shù)據(jù)、長期存儲的明確事實(shí)、近期對話的輕量摘要，以及當(dāng)前對話的滑動(dòng)窗口。

本文將詳細(xì)拆解每個(gè)層級的工作原理，以及這種設(shè)計(jì)為何可能優(yōu)于傳統(tǒng)檢索系統(tǒng)。所有結(jié)論均來自對 ChatGPT 對話行為的逆向工程，OpenAI 并未公開這些實(shí)現(xiàn)細(xì)節(jié)。

一、ChatGPT 的上下文結(jié)構(gòu)

要理解記憶系統(tǒng)，首先需要明確 ChatGPT 處理每條消息時(shí)接收的完整上下文。其結(jié)構(gòu)如下：[0] 系統(tǒng)指令 [1] 開發(fā)者指令 [2] 會話元數(shù)據(jù)（臨時(shí)）[3] 用戶記憶（長期事實(shí)）[4] 近期對話摘要（過往聊天的標(biāo)題 + 片段）[5] 當(dāng)前會話消息（本次聊天內(nèi)容）[6] 你的最新消息

前兩個(gè)組件定義了模型的高層行為和安全規(guī)則，并非本文重點(diǎn)。真正值得關(guān)注的部分從 “會話元數(shù)據(jù)” 開始。

二、四大記憶層級詳解

1. 會話元數(shù)據(jù)（Session Metadata）

這類信息僅在會話開始時(shí)注入一次，不會永久存儲，也不會成為長期記憶的一部分。該模塊包含：

• 設(shè)備類型（桌面端 / 移動(dòng)端）
• 瀏覽器及用戶代理（User Agent）
• 大致位置 / 時(shí)區(qū)
• 訂閱等級
• 使用模式與活躍頻率
• 近期模型使用分布
• 屏幕尺寸、暗黑模式狀態(tài)、JavaScript 啟用情況等

會話元數(shù)據(jù)示例：

會話元數(shù)據(jù)：

- 用戶訂閱：ChatGPT Go
- 設(shè)備：桌面瀏覽器
- 瀏覽器用戶代理：macOS（Intel芯片）上的Chrome瀏覽器
- 大致位置：印度（可能使用VPN）
- 當(dāng)?shù)貢r(shí)間：約16:00
- 賬戶時(shí)長：約157周
- 近期活躍度：
  - 過去1天內(nèi)活躍1天
  - 過去7天內(nèi)活躍5天
  - 過去30天內(nèi)活躍18天
- 對話模式：
  - 平均對話深度：約14.8條消息
  - 平均用戶消息長度：約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
- 設(shè)備環(huán)境：
  - JavaScript已啟用
  - 暗黑模式已啟用
  - 屏幕尺寸：900×1440
  - 頁面視口：812×1440
  - 設(shè)備像素比：2.0
- 當(dāng)前會話時(shí)長：約1100秒

這些信息能幫助模型根據(jù)你的使用環(huán)境定制回復(fù)，但會話結(jié)束后所有數(shù)據(jù)都會失效。

2. 用戶記憶（User Memory）

ChatGPT 擁有專門的工具，用于存儲和刪除關(guān)于用戶的穩(wěn)定、長期事實(shí)。這些信息會在數(shù)周、數(shù)月內(nèi)不斷累積，形成一個(gè)持久的 “用戶畫像”。

以我為例，模型存儲了 33 個(gè)事實(shí)，包括：

• 姓名、年齡
• 職業(yè)目標(biāo)
• 背景與過往工作經(jīng)歷
• 當(dāng)前項(xiàng)目
• 學(xué)習(xí)領(lǐng)域
• 健身計(jì)劃
• 個(gè)人偏好
• 長期興趣

這些記憶并非模型猜測得出，僅在以下兩種情況下會被明確存儲：

1. 用戶明確指令：例如：“記住這個(gè)” 或 “把這個(gè)存入記憶”；
2. 模型檢測到符合 OpenAI 標(biāo)準(zhǔn)的事實(shí)（例如：姓名、職位、明確偏好），且用戶通過對話隱含同意。

這些記憶會作為獨(dú)立模塊，注入未來的每一次提示詞中。若需添加或刪除內(nèi)容，直接告知模型即可：

• “把這個(gè)存入記憶……”
• “從記憶中刪除這個(gè)……”

用戶記憶示例：

- 用戶姓名：曼坦·古普塔（Manthan Gupta）
- 曾任職于Merkle Science和 Qoohoo（YC W23項(xiàng)目）
- 偏好通過視頻、論文和實(shí)操結(jié)合的方式學(xué)習(xí)
- 開發(fā)過 TigerDB、CricLang、負(fù)載均衡器、FitMe等項(xiàng)目
- 正在研究現(xiàn)代信息檢索系統(tǒng)（LDA、BM25、混合檢索、稠密嵌入、FAISS、RRF、大模型重排序）

3. 近期對話摘要（Recent Conversations Summary）

這是最讓我意外的部分，我本以為 ChatGPT 會對過往對話使用某種 RAG 技術(shù)，實(shí)則采用了輕量摘要的方式。

ChatGPT 會以以下格式存儲近期對話摘要列表：

1. <時(shí)間戳>：<聊天標(biāo)題>
|||| 用戶消息片段 ||||
|||| 用戶消息片段 ||||

關(guān)鍵發(fā)現(xiàn)：

• 僅總結(jié)用戶消息，不包含助手回復(fù)；
• 最多存儲約 15 條摘要；
• 僅作為用戶近期興趣的 “粗略地圖”，而非詳細(xì)上下文。

該模塊能讓 ChatGPT 在不同會話間保持連貫性，且無需調(diào)取完整對話記錄。相比之下，傳統(tǒng) RAG 系統(tǒng)需要：

1. 對每條過往消息進(jìn)行嵌入處理；
2. 對每個(gè)查詢執(zhí)行相似度搜索；
3. 調(diào)取完整消息上下文；
4. 導(dǎo)致更高的延遲和 token 成本。

ChatGPT 的方案更簡潔：預(yù)先生成輕量摘要并直接注入，以犧牲部分細(xì)節(jié)為代價(jià)，換取速度和效率的提升。

4. 當(dāng)前會話消息（Current Session Messages）

這是當(dāng)前對話的常規(guī)滑動(dòng)窗口，包含本次會話中所有消息的完整歷史（未摘要處理）。

雖然我未能獲取 ChatGPT 確切的 token 限制，但模型確認(rèn)了以下規(guī)則：

• 限制基于 token 數(shù)量，而非消息條數(shù)；
• 達(dá)到限制后，當(dāng)前會話中較早的消息會被移除（但記憶事實(shí)和對話摘要仍保留）；
• 該模塊的所有內(nèi)容都會原封不動(dòng)傳遞給模型，以維持完整的會話連貫性。

這也是模型能在單一會話中進(jìn)行連貫推理的核心原因。

三、記憶系統(tǒng)的協(xié)同工作原理

當(dāng)你向 ChatGPT 發(fā)送消息時(shí)，整個(gè)流程如下：

1. 會話啟動(dòng)：注入會話元數(shù)據(jù)，讓模型了解你的設(shè)備、訂閱狀態(tài)和使用模式；
2. 每條消息處理：始終包含你的存儲記憶事實(shí)（我案例中是 33 條），確保回復(fù)貼合你的偏好和背景；
3. 跨會話感知：通過近期對話摘要獲取用戶近期興趣，無需調(diào)取完整歷史；
4. 當(dāng)前上下文維護(hù)：借助當(dāng)前會話的滑動(dòng)窗口，保障單一會話內(nèi)的連貫性；
5. Token 預(yù)算控制：會話持續(xù)推進(jìn)時(shí)，較早的消息會被移除，但記憶事實(shí)和對話摘要保留，維持整體連貫性。

這種分層設(shè)計(jì)讓 ChatGPT 既能提供個(gè)性化、上下文感知的體驗(yàn)，又無需承擔(dān)檢索數(shù)千條過往消息的計(jì)算成本。

四、結(jié)論

ChatGPT 的記憶系統(tǒng)是一套平衡了個(gè)性化、性能和 token 效率的多層架構(gòu)。通過結(jié)合臨時(shí)會話元數(shù)據(jù)、明確長期事實(shí)、輕量對話摘要和當(dāng)前會話滑動(dòng)窗口，它實(shí)現(xiàn)了一項(xiàng)了不起的成果：既具備 “懂你” 的個(gè)性化體驗(yàn)，又?jǐn)[脫了傳統(tǒng) RAG 系統(tǒng)的計(jì)算開銷。

核心洞察在于：并非所有內(nèi)容都需要以 “傳統(tǒng)記憶” 的形式存在，會話元數(shù)據(jù)實(shí)時(shí)適配環(huán)境，明確事實(shí)跨會話持久化，對話摘要提供無細(xì)節(jié)負(fù)擔(dān)的連貫性，當(dāng)前會話保障即時(shí)推理流暢。這些動(dòng)態(tài)組件會隨會話推進(jìn)和用戶偏好演變不斷更新，最終營造出 “系統(tǒng)真正了解你” 的錯(cuò)覺。

對用戶而言，這意味著 ChatGPT 會隨時(shí)間變得越來越個(gè)性化，且無需手動(dòng)管理知識庫；對開發(fā)者而言，這是一個(gè)務(wù)實(shí)的工程啟示：有時(shí)更簡潔、經(jīng)過精心篩選的方案，反而優(yōu)于復(fù)雜的檢索系統(tǒng)，尤其是在你能掌控整個(gè)技術(shù)鏈路時(shí)。

這種設(shè)計(jì)的取舍十分明確：ChatGPT 為了速度和效率，犧牲了部分歷史細(xì)節(jié)的深度。但對大多數(shù)對話場景而言，這正是最合理的平衡，系統(tǒng)記住了真正重要的內(nèi)容（你的偏好、目標(biāo)、近期興趣），同時(shí)保持快速響應(yīng)。

參考原文：

??https://manthanguptaa.in/posts/chatgpt_memory/??

好了，這就是我今天想分享的內(nèi)容。

本文轉(zhuǎn)載自??玄姐聊AGI??  作者：玄姐