¿Por qué ChatGPT olvida mis preferencias personales?

ChatGPT olvida preferencias personales porque la memoria es un único almacén a nivel de cuenta limitado a aproximadamente 8,000 tokens de notas parafraseadas, y las preferencias más antiguas son expulsadas cuando llegan las más nuevas. El almacén se comparte en todos los temas y herramientas que utilizas, por lo que el matiz por contexto se difumina. La solución es mantener tu perfil completo de preferencias en una capa de memoria persistente que ChatGPT lea en cada turno.

Tres decisiones de diseño expulsan preferencias:

1. La memoria es un único pequeño cubo. OpenAI establece el límite de memoria guardada en aproximadamente 8,000 tokens (alrededor de 6,000 palabras de notas resumidas). Cuando alcanzas el límite, las nuevas notas expulsan a las más antiguas. La preferencia que estableciste hace tres meses es lo primero que se va.

2. Las notas son parafraseadas, no almacenadas textualmente. Tu preferencia declarada ("siempre responde en inglés británico, nunca uses guiones largos, siempre incluye anotaciones de tipo en Python") se comprime en una oración que el modelo escribe para sí mismo. El matiz y la redacción exacta se pierden en esa paráfrasis, por lo que la interpretación del modelo puede desviarse.

3. No hay enrutamiento de contexto. Las preferencias son globales en tu cuenta. Una preferencia que estableciste mientras programabas ("Python con anotaciones de tipo") se aplica también a tu escritura de ficción, a menos que ChatGPT decida que el tema no coincide. No hay un interruptor por proyecto.

Así que incluso cuando ChatGPT "recuerda" algo sobre ti, la versión que recuerda es un boceto del original, clasificado en relación con todo lo demás que le has contado.

Una capa de personalización que se desvía añade fricción que no habías presupuestado:

• Reiteras las mismas reglas mensualmente. Las preferencias que pasaste un mes entrenando son expulsadas, y tienes que enseñarlas de nuevo desde cero.
• La mezcla de contextos produce resultados malos. Una preferencia de codificación (comentarios verbosos) se filtra en la ficción (metáforas sobreexplicadas), o viceversa, porque no hay espacio para mantenerlas separadas.
• La personalización se deteriora silenciosamente. ChatGPT no anuncia que ha olvidado. Simplemente notas que las respuestas de ayer eran más agudas y las de hoy no.

La cura no es "establecer menos preferencias". Es mover tu perfil de preferencias fuera de un almacén compartido de 8,000 tokens y a una capa de memoria diseñada para el trabajo.

OpenAI ofrece tres controles. Cada uno es parcial.

La memoria es el lugar predeterminado donde viven las preferencias. El límite es de aproximadamente 8,000 tokens, el almacenamiento es parafraseado y el alcance es a nivel de cuenta. Útil para preferencias estables y estrechas. Inadecuado para un perfil en capas y de múltiples temas.

Instrucciones personalizadas te permiten escribir dos bloques de 1,500 caracteres que se aplican a cada nuevo chat. Puedes codificar algunas preferencias aquí como una especie de base permanente, pero el límite sigue siendo pequeño y se reduce a medida que el chat crece.

Proyectos (Pro / Plus / Team) mantienen instrucciones y archivos por proyecto, lo que ayuda con el enrutamiento de contexto. Sin embargo, el almacén de memoria sigue siendo a nivel de cuenta, por lo que las preferencias globales aún se filtran entre proyectos.

La FAQ de Memoria de OpenAI explica exactamente qué se almacena, qué se expulsa y cómo eliminar entradas que ya no deseas.

Para un usuario casual, los nativos son suficientes. Para alguien cuyo trabajo depende de una personalización estable, no lo son.

Incluso si ChatGPT retuviera cada preferencia perfectamente, aún usas otras IA. Tus preferencias de tono en ChatGPT no llegan a Claude. Tus preferencias de codificación en Claude no llegan a ChatGPT. La personalización que construiste en una herramienta es invisible para cada otra, por lo que cada herramienta te reinventa desde un ángulo ligeramente diferente.

Una verdadera solución es un perfil de preferencias que te acompañe a través de cada IA que uses.

MemoryLake mantiene tu perfil de preferencias como Memoria de Fondo dentro de un Proyecto, y alimenta la porción correcta en ChatGPT en cada turno.

• Memoria de Fondo para preferencias estables. Las reglas a nivel de identidad ("inglés británico", "sin guiones largos", "Python con anotaciones de tipo") viven en Memoria de Fondo, donde no pueden ser expulsadas por notas más nuevas como lo hace el cubo de 8K de ChatGPT.
• Recuperación con alcance de contexto. Las Memorias por proyecto te permiten mantener preferencias de codificación para un proyecto y preferencias de ficción para otro, sin filtraciones. La porción correcta aparece en cada turno, no todo el conjunto.
• Un perfil en cada IA. La misma Memoria de Fondo se utiliza en Claude, Gemini, Grok y Cursor. Tus preferencias se mantienen ya sea que estés redactando en ChatGPT o codificando en Cursor.

MemoryLake tiene la mejor puntuación de LoCoMo publicada (94.03%), recupera en milisegundos y protege cada byte con cifrado de extremo a extremo AES-256 — incluso MemoryLake no puede leer tus datos.

1. Crea un proyecto y carga tus preferencias. Inicia sesión en MemoryLake, abre la Gestión de Proyectos, haz clic en Crear Proyecto y nómbralo ("Personal — Perfil predeterminado"). Agrega cada preferencia como una Memoria con un nombre claro ("Tono — Inglés británico, sin guiones largos", "Código — Python con anotaciones de tipo"). Sube cualquier documento de referencia o ejemplos a través del Document Drive para que el perfil esté ilustrado, no solo declarado.
2. Genera un endpoint del servidor MCP. Abre la pestaña de Servidores MCP en el proyecto, haz clic en Agregar Servidor MCP, nómbralo "Integración con ChatGPT" y haz clic en Generar. MemoryLake devuelve un ID de clave API, secreto y URL de endpoint. Copia el secreto inmediatamente — se muestra solo una vez.
3. Conecta ChatGPT. El ChatGPT del navegador aún no soporta MCP, así que llama a la API REST con el token Bearer para cargar tu perfil de preferencias al inicio de cada chat, o pega un breve aviso del sistema que haga referencia a tu ID de proyecto de MemoryLake. El SDK de Python puede envolver esto en una línea de prefacio para que tus preferencias estén presentes antes del primer mensaje.