逆向 ChatGPT 记忆系统:无向量库,四层结构撑起个性化
HowDevelop · x · 2026-09-02
开发者 Manthan Gupta 通过对话实验逆向工程了 ChatGPT 的记忆机制,并写成 7 篇系列博客,覆盖 ChatGPT、Claude、Hermes、OpenClaw、语音 agent 的记忆设计及记忆在各垂直场景的变化。
首篇核心发现:ChatGPT 的记忆系统出人意料地简单——没有向量数据库,也没有对历史对话做 RAG 检索。其上下文由六部分组成:系统指令、开发者指令、会话元数据、用户长期记忆、近期对话摘要、当前会话消息。
记忆相关分四层:
- 会话元数据:临时注入的设备、浏览器、位置、订阅等级等信息,不进长期记忆;
- 显式事实:用户确认的长期事实(如职业、健身计划),作者实测 ChatGPT 记了他 33 条;
- 近期对话摘要:过去聊天的标题+片段;
- 当前会话的滑动窗口。
作者认为这种「直接写入上下文」的分层方案可能优于传统向量检索系统。所有结论来自行为逆向,OpenAI 未公开实现细节。
「编程与Agent」频道最新
- 「约束工程师」新提法：Agent 工程的核心是约束工程 — burny_tech · 2026-09-02
- Fable 5.1 实测一天：大局观与多任务协调显著升级 — xeophon · 2026-09-02
- WebMCP 黑马项目：Codex 通过 web-mcp 在 tldraw 画布上画画 — HankYeomans · 2026-09-02
- WebMCP + agent-browser:网页正走向 agent 原生 — HankYeomans · 2026-09-02
- Agent 更新 skill 易、更新记忆难:拆解记忆的六个底层阶段 — _jaydeepkarale · 2026-09-02
- 2026 Vibe Coding 书单:从快速原型到真正可上线软件 — Mahmoud_Zalt · 2026-09-02