为什么您的 ChatGPT Projects 无法直接迁移到 Claude
每个工具存储的内容
ChatGPT Project 捆绑了自定义指令、上传的知识文件以及其中的聊天记录。而 Claude Project 则捆绑了 Project Knowledge（文件和文本）及其自身的自定义指令，并利用 Claude 的记忆（memory）。两者的构建模块类似，但并不完全相同——ChatGPT 的项目指令和 Claude 的项目设置期望的数据格式不同，且两者都无法读取对方的格式。
无法迁移的技术原因
两者都是绑定到账户的功能，不支持跨厂商的导出或导入。ChatGPT 不会为您提供便携式项目包，而 Claude 也没有相应的导入工具。因此，有用的部分——指令、知识文件、聊天中沉淀的决策——必须手动提取并在 Claude 的结构中重新表达。而承载了大部分真实上下文的对话记录则完全无法迁移。
这对您意味着什么
您需要从头开始重建每个项目：重新编写指令、重新上传文件、重新确立每个项目的用途。在这个过程中，细节会丢失——在数月的 ChatGPT 聊天中积累的修正和偏好，只能浓缩为您能想起来并重新输入的那些内容。而且这是一次性的：如果您继续在某些工作中使用 ChatGPT，这两套项目会立即产生偏差。
分步指南：手动将 ChatGPT Project 迁移到 Claude
原生途径是手动的，但它可以迁移核心要素。
步骤 1：导出 ChatGPT Project 中的内容
- 打开 ChatGPT Project 并复制其自定义指令。
- 下载该项目附加的知识文件。
- 浏览项目的聊天记录，复制出值得保留的决策、偏好和上下文——即那些从未写入文件中的部分。
步骤 2：在 Claude Projects 中重建
- 创建一个新的 Claude Project，并将您的指令粘贴到其自定义指令中，并根据 Claude 的设置进行调整。
- 将知识文件上传为 Project Knowledge。
- 将您从聊天中挽救的决策和上下文添加为 Project Knowledge 文本或 Claude 记忆。
您得到的是一个手动重建的版本：指令被重新编写，文件被重新上传，上下文被重新输入。这里没有聊天历史记录的迁移，而且您在 Claude 中构建的任何内容都不会与您留下的 ChatGPT Project 保持同步。
哪些内容在迁移中无法保留
对话历史记录仍留在 ChatGPT 中。重新上传的知识文件将面临 Claude 自身的限制——在长会话中，Project Knowledge 可能会被挤出上下文窗口。而且这种同步是一次性的：此后在任何一个工具中优化项目，另一个工具都会落后，而添加第三个工具则意味着需要再次重建。
更好的方法：为两个项目提供统一的记忆层
迁移之所以困难，只是因为每个项目的上下文都存在于各自的应用内部。将其提升到一个中立层，ChatGPT 和 Claude 就可以读取相同的源。MemoryLake 只需存储一次您的指令、知识文件和项目决策——采用 Git 风格的版本控制和端到端加密——并同时为 ChatGPT 和 Claude 提供服务。
| 维度 | 手动项目 → 项目 | MemoryLake 层 |
|---|---|---|
| 所需步骤 | 手动重建每个项目 | 3 步（一次性） |
| 知识文件 | 重新上传，每次聊天重新读取 | 按需检索 |
| 迁移后保持同步 | 否 | 是 |
| 两个工具共享上下文 | 否 | 是 |
| 以后添加其他工具 | 再次重建 | 直接连接 |
步骤 1：创建 API 密钥
登录 MemoryLake，生成一个密钥，并发送您的第一个请求——这大约需要 30 秒。
步骤 2：上传您的第一批记忆
放入两个项目都需要的内容：作为文本记忆的指令和项目决策，以及知识文件——文档、图像和其他文件均可——只需解析一次，无需在每个工具中重复上传。
步骤 3：连接您的 AI 和智能体
通过集成或 API 连接 ChatGPT，并通过 MCP 连接 Claude，两者都读取相同的项目记忆。相同的上下文也可供 Codex、OpenClaw 和其他智能体使用——因此“哪个工具拥有当前版本”将不再是一个问题。
重建项目实际付出的成本
重建税
重新创建一个构建良好的项目——指令、文件、挽救的上下文——需要为每个项目付出实实在在的设置时间，而且每当您更换工具或两个副本产生偏差需要调和时，都需要再次付出这种代价。对于拥有多个项目的人来说，这笔开销会迅速累积。
检索代替重建
通过共享层，每个工具都可以根据需要按需检索所需的项目上下文，而无需您维护并行副本。知识文件保持可检索状态，而不是去争夺上下文窗口空间，提示词也保持精简——MemoryLake 的 Token 节省计算器可以根据您的使用情况预测其效果。
项目记忆的最佳实践
将指令与知识分离
将项目指令保留为文本记忆，将参考资料保留为文件。指令塑造行为，文件是工具提取信息的来源——这种分离可以保持 ChatGPT 和 Claude 中检索的精准度。
挽救聊天记录，而不仅仅是文件
使项目具有价值的上下文通常存在于对话中，而不是上传的文件中。将这些决策作为记忆捕获一次，这样它们就能在这次迁移以及未来的每一次迁移中幸存下来。
按项目划分范围
每个项目一个记忆范围可以保持上下文的干净，并防止一个工作流的文件出现在另一个工作流的回答中。
结论
ChatGPT Projects 和 Claude Projects 以不同的形式解决相同的问题，在它们之间进行迁移意味着需要手动重建——而承载您真实上下文的对话则会被遗留。相反，通过共享记忆层只需操作一次，两个工具就可以读取相同的指令、文件和决策，保持同步，并随时准备好应对您接下来添加的任何内容。一次构建项目，让所有工具都能使用它。