简短回答
ChatGPT 没有原生推送到 Claude Projects 的功能。你需要手动将自定义指令和保存的记忆条目从 ChatGPT 复制出来，然后将这些上下文分配到一个或多个 Claude Projects 中 — 每个项目都有自己的系统提示和项目知识。第一个项目计划 20–35 分钟，后续项目会更快。聊天记录不会转移。基于 MCP 的共享记忆层如 MemoryLake 允许两个工具读取相同的源。
人们为什么从 ChatGPT 切换到 Claude Projects
2026 年的三个驱动因素：
- 范围明确的上下文。 用户希望在不相关主题之间有一个干净的隔离，而不是一个到处泄漏的全局记忆。
- 长文档处理。 Claude Projects 可以加载长知识附件，截断问题更少。
- MCP 原生工具。 Claude Desktop 的 MCP 支持对于使用共享记忆层和工具服务器的团队越来越重要。
ChatGPT 与 Claude Projects 中的 "记忆" 含义
这两种记忆模型在范围上有所不同。
ChatGPT 记忆 涉及 自定义指令（全局）、记忆（从每次聊天中提取的保存事实）和 自定义 GPTs（具有自己指令和知识的项目容器）。
Claude Projects 是具有 项目知识（上传的文件和粘贴的文本）加上可选的 系统提示 的容器。项目之间没有共享 — 上下文是每个项目本地的。
一个 ChatGPT 自定义 GPT 通常会变成一个 Claude 项目。全局记忆条目通常会被复制到每个相关的项目中，或者浓缩到一个基线项目中供你复制。
步骤 1：导出你的 ChatGPT 记忆
ChatGPT 没有单一的记忆导出。
- 复制自定义指令。 个人资料 → 设置 → 个性化 → 自定义指令。将两个字段粘贴到文本文件中。
- 复制每个保存的记忆条目。 同一页面 → 记忆。将每一行粘贴到同一个文本文件中。
- 列出你的自定义 GPTs。 对于每个自定义 GPT，将其名称、指令和知识文件复制到每个 GPT 的文件夹中。
- 可选数据导出。 设置 → 数据控制 → 导出数据。ZIP 文件中包含聊天记录作为档案。
最终状态：一个 chatgpt-export/ 文件夹，里面有 custom-instructions.txt、memory.txt 和每个自定义 GPT 的一个子文件夹。
步骤 2：导入到 Claude Projects
Claude 期望每个项目的知识。
- 为每个自定义 GPT 创建一个项目（以及一个 "默认" 项目用于其他所有内容）。 打开项目 → 创建项目。根据相应的自定义 GPT 命名每个项目，再加一个通用项目。
- 将指令粘贴为系统提示。 每个项目的自定义指令区域接收匹配的自定义 GPT 的指令，或者你的缩短的全局自定义指令用于默认项目。
- 将知识文件上传为项目知识。 从每个自定义 GPT 的文件夹中拖入原始文件。
- 决定全局记忆条目放在哪里。 短的通用事实（偏好、身份）应放在每个项目的系统提示中。主题特定的事实放入匹配项目的知识中。
- 验证。 打开每个项目并用依赖于已移动文件或事实的问题进行探测。
Claude 不会导入 ChatGPT 聊天记录。
迁移后你仍会失去的内容
- 跨聊天记忆行为。 Claude 不会自动在项目之间提取事实。重新添加任何应该存在于每个地方的内容。
- 自定义 GPT 功能。 网络浏览、代码解释器和图像生成来自 ChatGPT，无法转移。
- 自定义 GPT 操作。 每个操作需要在 Claude 端重建为 MCP 服务器。
- 持续同步。 今天的快照不会将新的 ChatGPT 记忆传播到 Claude。
更好的方式：一个记忆层，所有 AI
每次迁移都重复相同的工作，因为记忆存在于每个 AI 内部。解决方案是将记忆放在任何一个 AI 之外。
MemoryLake 一次存储你的上下文，并通过 MCP 暴露它。ChatGPT（通过自定义 GPT 操作）和 Claude（通过 Desktop 的 MCP）通过单一端点从同一个 MemoryLake 项目读取。
- 一个真实来源。 更新一次；双方都能看到变化。
- 为下一个 AI 准备。 以后通过配置更改添加 Gemini 或编码代理。
- 原始文件保留。 文件以原生格式存储在 MemoryLake 的文档驱动中。
在 3 个步骤中连接 MemoryLake
步骤 1：创建项目并加载你的上下文
登录 MemoryLake，打开项目管理，点击创建项目。命名为 "ChatGPT ↔ Claude Projects 共享上下文"。将现有文件（PDF、Word、Excel、PowerPoint、Markdown 或图像）拖入我的空间下的文档驱动中，然后打开文档标签并点击添加文档。通过添加记忆将你的 ChatGPT 自定义指令和保存的记忆条目粘贴到记忆标签中。
步骤 2：生成 MCP 服务器端点
在项目内打开 MCP 服务器标签，点击添加 MCP 服务器，描述它（例如，"ChatGPT + Claude Projects 桥接"），然后点击生成。MemoryLake 返回一个密钥 ID、一个密钥和一个端点 URL。立即复制密钥 — 它只显示一次。
步骤 3：将两个工具指向端点
将 MemoryLake 添加到 Claude Desktop 的 MCP 配置中，使用端点 URL 和密钥作为 Bearer 令牌，然后重启 Claude。对于 ChatGPT，配置一个自定义 GPT 操作，调用相同的 REST 端点，使用 Bearer 令牌，以便每次聊天都能获取项目记忆。
原生迁移与 MemoryLake
| 维度 | 原生 ChatGPT → Claude Projects | MemoryLake 桥接 |
|---|---|---|
| 所需步骤 | 8–11 手动 | 3 一次性 |
| 预计时间 | 每个项目 20–35 分钟 | ~5 分钟设置 |
| 保留自定义 GPT → 项目边界 | 是（手动） | 是（一个项目） |
| 保留跨聊天记忆 | 否（每个项目重新添加） | 是（共享一次） |
| 同步持续变化 | 否 | 是 |
| 以后与第三个 AI 一起工作 | 否（重建） | 是（添加 MCP） |