Что вы потеряете при переходе с ChatGPT на Claude — даже если перенесёте память

Claude уже умеет импортировать память из других ИИ-сервисов. Но вместе с фактами о вас легко потерять причины решений, исправления и актуальное состояние проектов. На собственном опыте показываю, какой контекст стоит хранить отдельно и как собрать его за 20 минут.

Сейчас перенести память из ChatGPT в Claude можно за несколько минут.

Anthropic предлагает встроенный сценарий: попросить прежний ИИ перечислить сохранённые воспоминания и всё, что он узнал о вас из прошлых разговоров, скопировать ответ и вставить его в Claude. Новый сервис извлечёт ключевую информацию и добавит её в свою память.

Это полезная функция. Она действительно позволяет не начинать знакомство с пустого экрана.

Для человека, который месяцами ведёт в ChatGPT рабочие проекты, это звучит почти как решённая проблема.

Но есть вопрос, который легко пропустить: что именно вы перенесли?

Допустим, новый ИИ уже знает вашу профессию, предпочитаемый стиль ответов и названия текущих проектов. Достаточно ли этого, чтобы продолжить реальную работу? Или вы перенесли анкету о себе, а путь принятых решений остался в старых чатах?

Разница проявляется не в разговоре «расскажи, что ты обо мне знаешь». Она проявляется, когда вы даёте новому ИИ задачу и он уверенно продолжает план, от которого вы отказались неделю назад.

Словом «память» сегодня называют сразу несколько разных вещей.

Профиль пользователя. Кто вы, чем занимаетесь, как предпочитаете получать ответы, какие инструменты используете. Такой слой помогает быстро настроить общение.

История разговоров. Полные чаты, файлы и старые обсуждения. Это уже не краткий профиль, а архив, в котором можно искать первоисточники.

Рабочий контекст. Что действует сейчас. Какие решения уже приняты. Почему один вариант выбрали, а другой отвергли. Где ИИ ошибся и как вы его поправили. На чём остановился проект и какой следующий шаг действительно актуален.

Эти три слоя связаны, но не равны друг другу.

В справке OpenAI прямо указано, что сводка памяти ChatGPT может не включать всё, что система помнит на основе прошлых чатов. А загрузка экспортированных разговоров в другой аккаунт ChatGPT, по описанию самой OpenAI, не переносит сохранённую память, инструкции, настройки и пользовательские GPT — файл просто становится источником для нового разговора.

Google пошёл дальше: для поддерживаемых личных аккаунтов и регионов Gemini уже умеет отдельно импортировать и память, и полный архив чатов. Это важный прогресс. Но даже полный архив сам по себе не помечает, какое из трёх противоречащих решений действует сегодня и почему два предыдущих отменили.

Поэтому кнопка импорта может решить задачу переноса данных и заметно облегчить переход. Она не гарантирует перенос актуальной карты вашей работы.

Покажу на этой статье.

Если попросить ИИ описать проект одной строкой, он может сохранить такой факт:

Факт правильный. Но продолжить работу по нему невозможно.

В реальном контексте есть ещё несколько решений:

Представьте, что новый ИИ получил только краткий факт о теме статьи. Он может очень старательно продолжить редактировать старый черновик. Формально контекст у него есть. Практически он возвращает нас в уже закрытую точку.

Ценность находится не только в ответе «что мы делаем», но и в ответах «почему именно так», «что уже отвергли» и «что изменилось после последнего решения».

Мы столкнулись с этим в собственной системе, которую строим вместе с Мелией — моим центральным ИИ-агентом и цифровым партнёром.

Снаружи всё выглядело нормально. Мелия узнавала мой стиль, помнила проекты и продолжала старые линии работы. Но технический аудит показал, что в активной базе не хватало 13 665 сообщений из исходной истории. Позже отдельная проверка нашла 80 006 точных дублей внутри одних и тех же сессий.

Это один наш случай, а не статистика всей индустрии. И его главный урок не в том, что «памяти ИИ нельзя доверять».

Опаснее другое: система звучала знакомо и связно, хотя её основание было неполным и местами искажённым. По качеству обычного разговора мы не могли определить, где она опирается на первоисточник, где — на производную сводку, а где достраивает наиболее вероятную версию.

После этого мы разделили две вещи: канонический архив, который можно проверить, и рабочую память, которую можно пересобрать из источников.

При переносе между сервисами действует тот же принцип. Если одна система отобрала факты и собрала из них профиль, перенос этого профиля может унаследовать не только полезное, но и прежние пропуски, упрощения или устаревшие выводы. Поэтому важные решения должны иметь путь обратно к разговору или документу, из которого они появились.

Я называю этот рабочий слой личным контекстным капиталом.

Сам термин Context Capital уже используется в англоязычных материалах об ИИ, чаще применительно к компаниям и институциональной памяти. Я не претендую на его авторство. Мне интересен более узкий уровень — контекст одного человека.

В простом виде определение звучит так:

Не каждый лог и не каждый факт становятся капиталом.

Если в архиве лежат пять версий одного решения и невозможно понять, какая действует, это скорее долг. Если сводку нельзя проверить, она удобна, но хрупка. Если контекст можно использовать только внутри одного аккаунта, он помогает сегодня, но увеличивает цену завтрашнего перехода.

Капитал появляется там, где в информацию уже вложена работа: шум отделён от важного, решения связаны с причинами, старые версии помечены, а первоисточники не потеряны. Такой слой дорого восстанавливать после утраты, зато его может использовать следующая, более сильная нейросеть.

Проверить свой риск можно без сложной системы. Возьмите один активный проект и посмотрите, сможете ли вы быстро вынести из текущего ИИ пять видов контекста.

Если ответы существуют только «где-то в чатах», вы пока зависите не столько от качества конкретной нейросети, сколько от собственного умения найти и заново объяснить прошлое.

Не нужно начинать с выгрузки всей цифровой жизни. Создайте один Markdown-файл или обычный текстовый файл с датой обновления.

Начните с одного–трёх проектов, которые будет особенно дорого объяснять заново. Текущий ИИ может подготовить первый черновик этого файла, но важные решения и ссылки лучше проверить вручную.

Обновлять файл после каждого сообщения не нужно. Достаточно делать это после решений, разворотов и заметного изменения состояния проекта.

Память ChatGPT, Claude или Gemini удобна. Она снимает повторения и делает общение естественнее. Полный архив разговоров тоже полезен: без него невозможно вернуться к первоисточнику.

Личный файл не заменяет ни то, ни другое. Он выполняет третью функцию — хранит короткую актуальную карту, которую контролируете вы.

Получается простой набор:

Модели и сервисы можно менять. Контекст приходится строить.

И если завтра вам придётся уйти из ChatGPT или Claude, что вы больше всего боитесь потерять — и нужен ли вам готовый способ собрать контекст, который можно забрать с собой?

Статья основана на моём личном опыте и подготовлена вместе с Мелией — моим центральным ИИ-агентом, цифровым партнёром и соавтором этой работы.