ChatGPT에서 한 문제를 두 달 넘게 논의해 왔다. 이제 Claude(더 긴 컨텍스트)나 Gemini(더 나은 Workspace 통합)로 옮기고 싶지만, 처음부터 다시 시작하고 싶지 않다. 어떻게?
세 가지 방법, 충실도 순서.
1. 전체 대화 붙여넣기 (가장 간단함)
ChatGPT 대화를 Markdown으로 내보내기. 새 Claude/Gemini 채팅을 열고, 단일 메시지에 Markdown을 붙여넣는다.
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.잘 되는 점:
- 전체 추론 체인이 보존됨.
- 코드, 수식, 인용 모두 유지.
- 새 모델이 ChatGPT가 본 모든 것을 “본다.”
안 되는 점:
- 긴 대화는 Claude의 200K 컨텍스트나 Gemini의 1M 컨텍스트를 초과할 수 있다. (대부분은 안 그러지만, 여러 달에 걸친 연구 주제는 초과 가능.)
- 새 모델은 붙여넣은 이력을 자신의 추론이 아닌 관찰된 과거 출력으로 처리하여, 앞서 도출된 결론에 이의를 제기할 수 있음.
- 모델이 긴 컨텍스트를 처리하는 동안 스트리밍이 느려질 수 있음.
대부분의 경우 이 방법이 적절하다. ChatExport AI의 Markdown 내보내기는 밀도가 높아, 50개 메시지 대화도 보통 ~10K 토큰이며 현대 모델의 창에 쉽게 들어간다.
2. 요약 프라이머 (손실 있지만 빠름)
전체 대화가 너무 길면 ChatGPT에게 스스로 요약하도록 요청한다.
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.그 요약을 가져와서 새 Claude/Gemini 채팅의 첫 번째 메시지로 붙여넣는다.
I had a long conversation with ChatGPT that produced this summary.
Here's where we got to. Continue from this point.
[paste summary]충실도 손실은 실제로 발생한다. ChatGPT가 무엇이 중요한지 결정하게 하는 셈이다. 하지만 진행 중인 전략 논의에는 2K 토큰 요약이면 충분하다.
3. JSON 내보내기 → 구조화된 프롬프트 (가장 높은 충실도)
구조가 중요한 연구라면: ChatGPT를 JSON으로 내보내기. JSON에는 역할, 내용, 모델, 타임스탬프 등 턴별 필드가 있다. 중요한 턴만 수동으로 필터링하고 깔끔한 프라이머를 재구성할 수 있다.
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.200개의 메시지 중 ~20개만 앞으로 가져가면 되는 작업에 적합하다.
플랫폼별 세부사항
Claude로
Claude Sonnet 4.6은 길게 붙여넣은 컨텍스트를 잘 처리한다. 때로는 “이것을 읽어야 할 입력으로 처리할까요, 아니면 우리의 공유 이력으로 처리할까요?”라고 물을 수 있으므로 프라이머에 명확히 밝혀둔다.
Claude가 Project를 사용하도록 하려면 Markdown 내보내기를 붙여넣는 대신 Project 파일로 업로드한다. 그러면 Claude가 여러 채팅에서 이를 참조할 수 있다.
Gemini로
Gemini 3 Pro는 1M 토큰 컨텍스트를 가지므로 아주 긴 대화도 수용된다. system instructions 슬롯에 요약 프라이머(“배경 컨텍스트:
DeepSeek (R1)로
추론 체인 때문에 옮기는 것이라면 DeepSeek-R1이 이전 추론을 반복해서 개선할 것이다. 명시적으로 다음과 같이 지시한다: “여기까지 왔습니다. 결론을 비판적으로 재검토해 주세요.” R1의 강점은 GPT-5가 놓친 것을 잡아내는 2차 추론에 있다.
Perplexity로
Perplexity는 검색 기반 챗봇이다. 긴 대화를 프라이머로 붙여넣는 것은 UX에 맞지 않는다. 차라리 ChatGPT 대화에서 하나의 연구 질문을 추출하고 Perplexity에 그 질문을 새로 물어보는 것이 낫다. ChatGPT의 추론을 사용해 질문을 공식화하고, Perplexity가 최신 소스를 찾도록 한다.
안티 패턴
하지 말 것: ChatGPT 대화를 스크린샷으로 찍어 새 채팅에 업로드하는 것. 새 모델이 스크린샷을 OCR 처리해야 하므로 서식, 수학, 코드 구조가 손실된다. Markdown 내보내기가 항상 더 낫다.
하지 말 것: 새 모델에게 마치 기억이 있는 것처럼 이전 대화를 “기억”해 달라고 요청하는 것. 그렇지 않다. 모든 채팅은 프롬프트에 넣은 내용만 가지고 있는 새로운 모델로 취급해야 한다.
하지 말 것: 새 모델이 같은 결론에 도달할 것이라고 가정하는 것. 전환의 핵심은 종종 다른 관점을 얻는 데 있다.
구체적인 예
한 달 동안 ChatGPT와 멀티 테넌트 SaaS용 Postgres 스키마를 설계했다. 구현 단계에서 Claude로 전환했는데, Claude의 더 긴 컨텍스트가 전체 설계를 작업 기억에 더 잘 담아주었기 때문이다.
진행:
- ChatGPT 내보내기 → ChatExport AI로 Markdown 생성. 약 25K 토큰의 설계 대화.
- 전체 Markdown을 새 Claude Project의 첫 번째 메시지로 붙여넣음.
- Claude에게 질문: “이것을 읽으세요. 당신이 반대할 설계 결정을 나열해 주세요.” 응답에서 4개의 실질적인 비판을 받음.
- 그 비판들에 대해 반복적으로 개선. 2주 후 Claude에서 전체 컨텍스트로 스키마가 구현되고 테스트됨.
두 모델이 각자 최선을 다할 때의 전환 워크플로우이다.
관련
- ChatGPT vs Claude vs Gemini — 각각을 선택해야 하는 경우.
- ChatGPT를 Markdown으로 내보내는 방법.
- Claude 내보내기 가이드.