为什么你的偏好无法保持
两个系统，只有一个听从指挥
首先来看看它们各自的用途。OpenAI 将记忆定位为一种个性化功能——其声明的目的是“个性化你的体验，这样你就不需要经常重复自己”。仔细阅读这句话：经常。它是一个旨在减少重复的便利层，而不是一个保证行为的配置库。
自定义指令才是配置库。你放入该字段的任何内容都会被逐字存储，并且根据 OpenAI 的说法，“立即应用于所有对话”。如果某个偏好是不可妥协的，它就属于这里。相反，如果你是在对话中输入它，你只是向一个旨在推断模式的系统提交了一个建议。
这单一的区别解释了大多数偏好漂移的原因。人们在对话中声明需求，这些需求变成了综合素材，然后纳闷为什么该需求没有被一致地执行。
综合体可以同时持有关于你的两个矛盾信念
这就是产生真正奇怪体验的部分。因为记忆是一个持续运行的综合体，而不是当前事实的列表，所以它可以同时携带旧的结论和新的结论。OpenAI 自己的文档用马拉松训练和脚踝扭伤的例子说明了这一点——在不同时间段有意义的上下文，现在同时存在。
应用到偏好上，情况就像是：你在学习某个框架时更喜欢详细的解释，而现在你想要简短的输出，这两种解读都存在于综合体中的某个地方。模型会进行选择。有些日子，你会得到三月份那个版本的你。
你确实有一些控制手段。记忆摘要可以被审查和纠正，并且有一个文档记录的刷新路径——设置（Settings），然后是个性化（Personalization），然后是记忆摘要（Memory Summary），然后是管理（Manage），最后是从三点菜单中选择刷新（Refresh）——适用于摘要看起来比预期更空或更陈旧的情况。如果你使用的是旧版系统，保存的记忆是一个可枚举的列表，OpenAI 指出“除非你删除它们，否则保存的记忆在未来的回复中总是会被考虑在内”，这使得删除过时的记忆成为一个具有实际效果的真实操作。一般的排查方法可以参考当 ChatGPT 记忆不起作用时该怎么办。
有些偏好并非全局性的，而全局性是设置的唯一形式
“我想要简短的回答”可能在任何地方都适用。“使用英式拼写”对一个客户来说是对的，对另一个客户来说则是错的。“偏好函数式风格”适用于某一个代码库。
自定义指令在设计上是适用于整个账户的，记忆同样是关于你个人而不是关于特定上下文的。因此，特定上下文的偏好落入了一个没有上下文概念的系统中，这导致了该问题的一个变体：偏好在一半的时间里是正确的，而在另一半的时间里却令人恼火。项目（Projects）有所帮助——它们有自己的记忆空间——但它们也引入了自己的边界，这是一个单独的话题。
临时对话和账户边界悄悄打破了循环
有两个记录在案的行为解释了其他令人困惑的差距。根据 OpenAI 的说法，临时对话（Temporary Chats）“不使用现有记忆，也不创建新记忆”。因此，你在临时对话中声明的偏好永远不会持久，而你已经拥有的偏好也不会应用到那里。
而且记忆不会跨账户：“记忆：与每个个人账户绑定。不可转移给其他用户，即使在同一个 Business 工作区内也是如此。”在 Business 工作区中，还有一个值得注意的细节——如果工作区所有者关闭了该工作区的记忆功能，“该工作区成员现有的已保存记忆将被删除”。你积累的偏好可能会因为你未曾做出的行政变更而被清除。
人们尝试过的方法
大声地再说一遍。“我已经告诉你三次了。”这只对当前的对话有效，无法让系统学到任何持久的东西，因为对话不是设置屏幕。
编写非常长的自定义指令。 找对了系统，但会遇到硬性上限：Free 和 Go 计划为 1,500 个字符，Plus、Pro、Enterprise、Business 和 Education 计划为 5,000 个字符。偏好加上项目上下文再加上风格样本，根本装不下。被删掉的通常是你最新添加且最具体的内容。
要求 ChatGPT “记住我更喜欢 X”。 总比没有好——它可能会成为综合体的一部分。但这是一个请求，而不是写入，除了以后询问之外，你无法验证它是否真正生效。
定期整理记忆摘要。 确实有用且未被充分利用。但这也是对派生工件的维护工作，这意味着你是在编辑摘要，而不是单一事实来源。
注销并重新注册一个新账户。 重置了噪音，但也丢失了一切，包括那些原本有效的偏好。而且积累问题从第一天起就会重新开始——这会遇到与当 ChatGPT 记忆已满时相同的瓶颈。
在每次对话的顶部粘贴一个偏好块。 万能的备用方案。它确实有效，但每次对话都会消耗 token，而且它完全依赖于你的习惯——因此当你更换设备、工具或助手时，它就无法延续。
解决方案：声明需求、存储知识，停止重复这两者
一个稳固的配置包含三个层级，而常见的错误是试图让一个层级承担所有这三项工作。
第一层——需求。 少数必须始终保持的行为。这些内容放入自定义指令中，保持简短且可测试，远低于字符限制。让它们具体到可以进行评估：例如“除非我要求提供细节，否则回答控制在 150 字以内”，而不是“保持简洁”。
第二层——观察。 让记忆去做它擅长的事：注意到你使用 TypeScript 工作、你身在柏林、你更喜欢例子而不是理论。当它偏离时进行纠正，但不要在任何你必须要求的事务上依赖它。
第三层——知识。 既不是行为规则也不是关于你的个人事实的所有内容：你的项目结构、你的约束条件、你的决策，以及对于设置字段来说太长的风格样本。这一层在 ChatGPT 内部没有归宿，这就是为什么它不断泄露到另外两个层级中并破坏它们的原因。
MemoryLake 就是第三层：一个供你的助手读取的记忆层，这样自定义指令就可以保持为一份简短的偏好表，而记忆可以保持为个性化功能。设置只需三个步骤。
步骤 1：创建 API 密钥
登录 MemoryLake 并创建一个 API 密钥。一个凭证即可跨越你连接的所有工具——这很重要，因为你关心的偏好通常不仅限于 ChatGPT。
步骤 2：上传你的第一批记忆
写下你不断重复声明的内容，每条目一项。不仅是行为偏好：还有让它们产生意义的上下文。“Acme 账户使用英式拼写，其他所有账户使用美式拼写”是一个只有在上下文随之移动时才起作用的偏好。添加项目事实、约束条件、决策和原因——这些都是以前塞满你 1,500 字符字段的材料。
保持条目简短且主题单一，宁可删除也不要堆积。一个同时包含三月份的你和八月份的你的偏好层，会遇到与综合体相同的问题。
步骤 3：连接你的 AI 和智能体
连接你使用的工具。MemoryLake 可以通过 MCP 和 API 访问，因此原生支持 MCP 的智能体（包括 Claude Code、Codex 和 OpenClaw）可以通过指向 MCP 服务器进行连接，而其他助手则通过 API 读取相同的记忆。你的需求保留在保证加载的字段中；你的上下文变得可检索；并且下个月无论你使用什么工具，都可以使用相同的偏好。
两个坦诚的限制。这不会写入 ChatGPT 的记忆——该系统仍然属于 OpenAI，你需要的偏好仍然属于自定义指令字段。而且它不是强制执行：在任何助手中，没有哪个记忆层能强迫模型绝对服从。
这在实践中带来了什么改变
偏好不再倒退回旧版本的你。 当需求是被声明而不是被推断时，就不会有与之竞争的三月份旧结论让你败下阵来。
字符上限不再强迫你做出权衡。 如今，添加一条有用的指令可能意味着要删除另一条。当知识存在于别处时，该字段只保存行为规则，永远不会被填满。
特定上下文的偏好变得可行。 当客户上下文可检索时，“该客户使用英式拼写”就可以被表达出来。而在适用于整个账户的字段中，它要么总是开启，要么总是关闭。
纠正不再凭空消失。 最常见的偏好丢失是在对话中途给出的纠正，这些纠正从未进入任何持久的地方。记录它只需十秒钟，并且它能在会话结束后继续存在。
相同的偏好在其他助手中也适用。 自定义指令仅限 ChatGPT 且没有 API。你在 Claude、Cursor 或智能体中想要的任何内容都必须存在于外部——这种形式在跨越 ChatGPT、Claude 和 Gemini 的统一记忆中有所介绍。
保持偏好有效的最佳实践
将需求放入字段中，而不是对话中。 如果你看到它被违反会感到恼火，那么它就是一项需求。需求应该放在它们会被逐字存储的地方。
让每个偏好都可评估。 一个你可以检查其合规性的偏好，才是模型可以遵循的偏好。模糊的偏好会得到合理的解释，但那并不是你的本意。
每季度进行修剪。 无论是指令字段还是你的记忆。旧的偏好是导致“它为什么会那样做”体验的主要根源。
当摘要看起来不对时，使用刷新路径。 设置（Settings） → 个性化（Personalization） → 记忆摘要（Memory Summary） → 管理（Manage） → 刷新（Refresh）。这是记录在案的操作，只需几秒钟，而大多数人从未打开过它。
不要在临时对话中声明偏好。 它们不会被存储——临时对话不使用也不创建记忆。
为特定上下文的偏好附加上下文。 “简短”是全局性的。“英式拼写”则不是。在偏好旁边写明适用范围，才能使其发挥作用。
不要指望任何内容可以在账户之间转移。 记忆是针对每个账户的，不可转移给其他用户，即使在同一个 Business 工作区中也是如此。如果团队成员需要相同的上下文，它必须存在于某个共享的地方。
了解管理员可以更改的内容。 在 Business 工作区中，所有者关闭记忆功能会删除成员现有的已保存记忆。如果这会带来损失，请将重要部分保存在外部。
结论
“让 ChatGPT 记住我的偏好”原来是两个不同的请求。你必须要求的偏好应该在自定义指令中声明，它们会被逐字存储并应用于每个对话。你只是希望拥有的偏好可以留给记忆，这是一个尽力而为的综合体——它很有用，但不是存放任何你因丢失而感到沮丧的内容的地方。
破坏系统的是第三类没有人为其提供归宿的内容：使偏好具有意义的知识和上下文，这对于 1,500 字符的字段来说太大了，而对于综合体来说又太具体了。给它一个专属的层级，ChatGPT 的两个系统就都能发挥它们真正擅长的作用。如果你想了解症状背后的机制，为什么 ChatGPT 会忘记你的个人偏好对此进行了介绍，而赋予 ChatGPT 长期记忆则介绍了通用设置。