복잡한 문제를 해결하기 위해 ChatGPT와 두 달간 이어온 대화가 있습니다. 이제 더 나은 긴 컨텍스트 처리를 위해 Claude로, 또는 더 긴밀한 Workspace 통합을 위해 Gemini로 전환하고 싶지만 그동안의 진전을 모두 잃고 싶지 않습니다. 어떻게 전환할까요?
다음은 충실도 순으로 정렬된 세 가지 마이그레이션 접근 방식입니다.
1. 전체 대화록 붙여넣기 (가장 간단하고 효과적)
ChatGPT 대화를 Markdown으로 내보냅니다. 새 Claude 또는 Gemini 채팅을 엽니다. 전체 Markdown 대화록을 단일 메시지에 붙여넣고 다음 프롬프트를 추가합니다.
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.장점:
- 완전한 추론 체인 보존
- 모든 코드, 수학, 인용이 그대로 유지됨
- 새 모델이 ChatGPT가 가지고 있던 전체 컨텍스트를 수신함
단점:
- 매우 긴 대화는 Claude의 200K 또는 Gemini의 1M 토큰 제한에 도달할 수 있음 (드물지만, 수개월 간의 연구 스레드에서 가능)
- 새 모델은 과거 기록을 관찰된 출력으로 취급하며, 자신의 추론으로 보지 않기 때문에 이전 결론에 의문을 제기할 수 있음
- 큰 컨텍스트를 처리하는 동안 초기 스트리밍 속도가 느려질 수 있음
이 방법은 대부분의 사용 사례에 가장 적합합니다. ChatExport AI의 Markdown 내보내기는 토큰 효율적이며, 일반적인 50개 메시지 대화는 약 ~10K tokens 정도로 모든 최신 모델의 컨텍스트 창에 충분히 포함됩니다.
2. 요약 프라이머 (더 빠르지만 손실 있음)
전체 대화록이 합리적인 한계를 초과하는 경우, 먼저 ChatGPT에 핸드오프 요약을 작성해 달라고 요청하세요.
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 가져와 새 Claude 또는 Gemini 채팅의 첫 번째 메시지로 붙여넣으세요.
I had a long conversation with ChatGPT that produced this summary.
Here's where we got to. Continue from this point.
[paste summary]일부 충실도가 손실됩니다. ChatGPT가 중요한 것을 결정합니다. 하지만 전략적 논의와 진행 중인 프로젝트의 경우 2K 토큰 요약은 일반적으로 효과적으로 계속할 수 있을 만큼 충분한 컨텍스트를 포착합니다.
3. JSON 내보내기 → 구조화된 프롬프트 (최대 충실도)
대화 구조가 중요한 연구의 경우: ChatGPT를 JSON으로 내보냅니다. JSON에는 턴별 메타데이터(역할, 내용, 모델, 타임스탬프)가 포함되어 있습니다. 관련 턴으로 필터링하고 깔끔하고 구조화된 프라이머를 만듭니다.
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.이 접근 방식은 200개 이상의 메시지 중 약 20턴만 전달되는 경우에 빛을 발합니다. 노이즈 없는 정밀한 선택이 가능합니다.
플랫폼별 마이그레이션 세부 사항
Claude로 마이그레이션
Claude Sonnet 5은 긴 붙여넣기 컨텍스트를 매우 잘 처리합니다. 가끔 “이것을 내가 읽는 입력으로 처리해야 하나요, 아니면 우리의 공유 기록으로 처리해야 하나요?”라고 묻는 경우가 있습니다. 프라이머 메시지에 이 점을 명확히 하세요.
지속적인 작업의 경우 Markdown 내보내기를 붙여넣는 대신 Project 파일로 업로드하세요. 그러면 Claude가 여러 대화 스레드에서 이를 참조할 수 있습니다.
Gemini로 마이그레이션
Gemini 3 Pro는 1M 토큰 컨텍스트 창을 제공하여 방대한 대화 기록도 수용합니다. 시스템 명령어 필드는 요약 프라이머(“배경 컨텍스트: <요약>“)에 이상적입니다. Gemini Advanced를 사용하면 Markdown 내보내기를 파일로 첨부할 수도 있습니다.
DeepSeek (R1)로 마이그레이션
추론 개선을 포착하기 위해 전환하는 경우? DeepSeek-R1은 이전 추론 체인을 반복합니다. 프롬프트에 명시적으로 “여기까지 왔습니다. 결론을 비판적으로 재검토하세요.”라고 작성하세요. R1은 GPT-4가 놓친 것을 잡아내는 2차 추론에 탁월합니다.
Perplexity로 마이그레이션
Perplexity는 검색 기반입니다. 긴 대화 프라이머를 붙여넣는 것은 UX 설계와 맞지 않습니다. 더 나은 접근 방식: ChatGPT 대화에서 단일한 집중된 연구 질문을 추출하고 Perplexity에 새롭게 질문하세요. ChatGPT의 추론을 사용하여 질문을 공식화하고, Perplexity가 최신 소스를 표면화하도록 하세요.
피해야 할 일반적인 마이그레이션 실수
하지 말 것: ChatGPT 대화를 스크린샷으로 찍어 새 채팅에 이미지를 업로드하지 마세요. 모델이 스크린샷을 OCR해야 하므로 서식, 수학 표기법, 코드 구조가 손상됩니다. Markdown 내보내기가 항상 우수합니다.
하지 말 것: 새 모델에게 지속적인 메모리가 있는 것처럼 이전 대화를 “기억”하라고 요청하지 마세요. 그렇지 않습니다. 모든 채팅은 프롬프트에 포함한 내용만으로 새롭게 시작됩니다.
하지 말 것: 새 모델이 동일한 결론에 도달할 것이라고 기대하지 마세요. 다른 관점을 얻는 것이 종종 모델을 전환하는 이유입니다.
실제 마이그레이션 예시
저는 한 달 동안 ChatGPT와 함께 멀티테넌트 SaaS를 위한 Postgres 스키마를 설계했습니다. 구현을 위해 Claude로 전환했습니다. Claude의 확장된 컨텍스트가 전체 설계를 작업 메모리에 더 효과적으로 유지했기 때문입니다.
마이그레이션 워크플로:
- ChatExport AI를 통해 ChatGPT 대화를 Markdown으로 내보냄. 약 25K 토큰의 설계 논의
- 전체 Markdown을 새 Claude Project의 첫 번째 메시지로 붙여넣음
- Claude에 프롬프트: “이것을 읽으세요. 반대할 설계 결정을 나열하세요.” 즉시 4개의 실질적인 비판을 받음
- 2주 동안 그 비판에 대해 반복 작업. 완전한 설계 컨텍스트를 유지한 상태로 Claude에서 스키마를 구현하고 테스트함
이것이 효과적인 교차 모델 워크플로입니다. 각 AI가 최선의 작업을 하도록 하는 것입니다.
관련 가이드
- ChatGPT vs Claude vs Gemini, 각 모델을 선택해야 하는 경우
- ChatGPT를 Markdown으로 내보내는 방법
- Claude 내보내기 가이드