複雑な問題に取り組むChatGPTとの会話に2ヶ月を費やしました。今、その進捗を無駄にせずに、優れた長文脈処理のためにClaudeに、またはより緊密なWorkspace統合のためにGeminiに切り替えたいと考えています。どうやって移行すればよいでしょうか？
以下に、忠実度順に並べた3つの移行方法を紹介します。
1. 完全なトランスクリプトの貼り付け（最も簡単で効果的）
ChatGPTの会話をMarkdownとしてエクスポートします。新しいClaudeまたはGeminiのチャットを開き、完全なMarkdownトランスクリプトを1つのメッセージに貼り付け、次のプロンプトを添えます：
Here's a conversation I had with ChatGPT that I want to continue with you.
Read it, then continue from where we left off.
[paste the full Markdown export]
Continue from this point.うまくいく点：
- 推論の連鎖が完全に保持される
- コード、数式、引用がそのまま保持される
- 新しいモデルがChatGPTが持っていた完全なコンテキストを受け取る
うまくいかない点：
- 非常に長い会話はClaudeの200KまたはGeminiの1Mトークン制限に達する可能性があります（稀ですが、数ヶ月にわたる研究スレッドでは可能）
- 新しいモデルは貼り付けられた履歴を観測された出力として扱い、自身の推論とはみなさないため、以前の結論に疑問を呈する可能性がある
- 大きなコンテキストを処理する際、最初のストリーミングが遅くなる可能性がある
この方法はほとんどのユースケースに最適です。ChatExport AIのMarkdownエクスポートはトークン効率が良く、一般的な50メッセージの会話で約10Kトークンと、どの最新モデルのコンテキストウィンドウにも十分収まります。
2. 要約プライマー（高速だが情報損失あり）
完全なトランスクリプトが妥当な制限を超える場合は、最初にChatGPTに引き継ぎ用の要約を作成してもらいます：
Summarise the key conclusions, decisions, and open questions from
this conversation in a way that another AI assistant could pick up
where we left off. Include any code or data that's still relevant.その要約を新しいClaudeまたはGeminiチャットの最初のメッセージとして貼り付けます：
I had a long conversation with ChatGPT that produced this summary.
Here's where we got to. Continue from this point.
[paste summary]ある程度の忠実度は失われます（ChatGPTが何が重要かを判断します）。しかし、戦略的な議論や進行中のプロジェクトでは、2Kトークンの要約で通常、効果的に続行するのに十分なコンテキストを捉えられます。
3. JSONエクスポート→構造化プロンプト（最大忠実度）
会話の構造が重要な研究の場合：ChatGPTをJSONとしてエクスポートしてください。JSONにはターンごとのメタデータ（役割、内容、モデル、タイムスタンプ）が含まれます。関連するターンにフィルタリングし、クリーンで構造化されたプライマーを構築します：
Here are the turns from a previous conversation that are relevant
to where we're going next:
[paste filtered JSON, manually edited]
Continue from this point.このアプローチは、200以上のメッセージがあり、そのうち約20ターンだけが引き継がれるような対話に最適です。ノイズのない外科的な精度が得られます。
プラットフォーム別の移行の詳細
Claudeへの移行
Claude Sonnet 5は長い貼り付けコンテキストを非常によく処理します。時々「これは読んでいる入力として扱うべきですか、それとも共有の履歴として扱うべきですか？」と尋ねることがありますので、プライマーメッセージでこれを明確にしてください。
継続的な作業の場合は、貼り付ける代わりにMarkdownエクスポートをProjectファイルとしてアップロードしてください。そうすれば、Claudeは複数の会話スレッドにわたってそれを参照できます。
Geminiへの移行
Gemini 3 Proは1Mトークンのコンテキストウィンドウを提供し、巨大な会話履歴でも対応できます。システム指示フィールドは要約プライマー（“background context:
DeepSeek (R1)への移行
推論の向上を目的に切り替えますか？ DeepSeek-R1は以前の推論チェーンを反復します。プロンプトで明確に指示してください：「ここまで進みました。結論を批判的に再検討してください。」R1はGPT-4が見逃したものを捉える2回目の推論に優れています。
Perplexityへの移行
Perplexityは検索に基づいており、長い会話プライマーを貼り付けるのはそのUXデザインに合いません。より良い方法：ChatGPTの会話から1つの焦点を絞った調査質問を抽出し、Perplexityに新しく質問します。ChatGPTの推論を利用して質問を策定し、Perplexityに最新のソースを提示させます。
避けるべき一般的な移行の間違い
してはいけないこと： ChatGPTの会話をスクリーンショットして新しいチャットに画像をアップロードすること。モデルがスクリーンショットをOCRする必要があり、書式、数式、コード構造が破壊されます。Markdownエクスポートが常に優れています。
してはいけないこと： 新しいモデルに、あたかも永続的な記憶があるかのように古い会話を「覚えて」いるように依頼すること。そんなことはありません。各チャットはプロンプトに含めたものだけを使って新しく始まります。
してはいけないこと： 新しいモデルが同一の結論に達することを期待すること。異なる視点を得ることが、モデルを切り替える理由そのものであることがよくあります。
実際の移行例
私はマルチテナントSaaS向けのPostgresスキーマの設計に1ヶ月をChatGPTと共に費やしました。実装段階ではClaudeに切り替えました。Claudeの拡張コンテキストが設計全体を作業メモリにより効果的に保持してくれたからです。
移行ワークフロー：
- ChatExport AIを使用してChatGPTの会話をMarkdownにエクスポート（デザイン議論約25Kトークン）
- 完全なMarkdownを新しいClaude Projectの最初のメッセージとして貼り付け
- Claudeにプロンプト：「これを読んで。あなたが異議を唱える設計上の決定をリストアップしてください。」すぐに4つの実質的な批判を受け取った
- その批判について2週間かけて反復。完全な設計コンテキストを持つClaudeでスキーマが実装されテストされた
これが効果的なクロスモデルワークフローであり、各AIが最良の仕事をすることを可能にします。