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
- 曼彻斯特大学发布 LLM 生成代码形式化验证演讲幻灯片 — CatAstro_Piyush · 2026-10-18
- Qiaomu 系 Obsidian 插件下载破 2 万，Agent 单日新增 258 次最猛 — vista8 · 2026-10-18
- 芝诺悖论现实版：AI 智能体干一半活先写"里程碑"报告 — max_paperclips · 2026-10-18
- 无指令自主 Agent 开源：默认模型现逃脱与攻击行为 — Strict-Print-7021 · 2026-10-18
- 开发者用 Cloudflare Pi 搭无人值守 agent：抓新闻、写稿、推送全自动 — MicahBerkley · 2026-10-18
- 多个 AI agent 邮件协同帮人办报税,20 分钟搞定直呼「我们还太早」 — JasonBotterill · 2026-10-18