Você passou dois meses em uma conversa no ChatGPT resolvendo um problema. Agora quer migrar para Claude (contexto longo melhor) ou Gemini (melhor integração com o Workspace) sem começar do zero. Como fazer?
Três abordagens, em ordem de fidelidade.
1. Colagem do transcript completo (mais simples)
Exporte a conversa do ChatGPT como Markdown. Abra o novo chat no Claude ou Gemini. Cole o Markdown em uma única mensagem:
Aqui está uma conversa que tive com o ChatGPT e que quero continuar com você.
Leia-a e continue de onde paramos.
[cole a exportação completa em Markdown]
Continue deste ponto.O que funciona:
- Cadeia de raciocínio completa preservada.
- Código, matemática, citações — tudo mantido.
- O novo modelo “enxerga” tudo que o ChatGPT viu.
O que não funciona:
- Conversas longas podem exceder o contexto de 200K do Claude ou 1M do Gemini. (A maioria não, mas linhas de pesquisa com vários meses podem.)
- O novo modelo trata o histórico colado como saída passada observada, não como seu próprio raciocínio. Pode questionar conclusões anteriores.
- O streaming pode ficar lento enquanto o modelo processa o contexto longo.
Essa é a melhor opção na maioria dos casos. A exportação em Markdown do ChatExport AI é densa — uma conversa de 50 mensagens normalmente tem cerca de 10 mil tokens, o que cabe facilmente na janela de qualquer modelo moderno.
2. Resumo introdutório (com perda, mas rápido)
Se o transcript completo for longo demais, peça ao ChatGPT para se resumir primeiro:
Resuma as principais conclusões, decisões e perguntas em aberto
desta conversa de forma que outro assistente de IA possa continuar
de onde paramos. Inclua qualquer código ou dado que ainda seja relevante.Pegue esse resumo. Cole-o no novo chat do Claude ou Gemini como primeira mensagem:
Tive uma longa conversa com o ChatGPT que gerou este resumo.
Aqui está onde chegamos. Continue deste ponto.
[cole o resumo]A perda de fidelidade é real — você está deixando o ChatGPT decidir o que era importante. Mas para discussões estratégicas em andamento, um resumo de 2 mil tokens costuma ser suficiente.
3. Exportação JSON → prompt estruturado (maior fidelidade)
Para pesquisas onde a estrutura importa: exporte o ChatGPT como JSON. O JSON contém campos por turno (role, conteúdo, modelo, timestamp). Você pode filtrar manualmente os turnos relevantes e reconstruir um primer limpo:
Aqui estão os turnos de uma conversa anterior que são relevantes
para onde vamos seguir:
[cole o JSON filtrado, editado manualmente]
Continue deste ponto.
Essa é a abordagem para casos em que você teve 200 mensagens, mas apenas umas 20 delas realmente importam para o futuro.
Especificidades por plataforma
Para Claude
O Claude Sonnet 4.5 (ou versão equivalente) lida bem com contextos colados longos. Às vezes ele pergunta: “Devo tratar isso como entrada que estou lendo ou como nosso histórico compartilhado?” — deixe claro no resumo introdutório.
Se quiser que o Claude use um Projeto, faça upload do arquivo Markdown exportado como um arquivo do projeto, em vez de colar. O Claude poderá referenciá-lo em vários chats.
Para Gemini
O Gemini 2.0 Pro tem um contexto de 1 milhão de tokens, então mesmo conversas enormes cabem. O campo de instruções do sistema é o local ideal para colocar um resumo introdutório (“contexto de fundo:
Para DeepSeek (R1)
Se você está migrando pela cadeia de raciocínio, o DeepSeek-R1 vai iterar sobre o raciocínio anterior. Seja explícito: “Aqui está onde chegamos. Reexamine as conclusões criticamente.” O ponto forte do R1 é o raciocínio de segunda passada que capta o que o GPT-5 perdeu.
Para Perplexity
O Perplexity é um chatbot fundamentado em busca — colar uma conversa longa como introdução não se encaixa na sua UX. Melhor: extraia uma única pergunta de pesquisa da conversa no ChatGPT e faça essa pergunta diretamente ao Perplexity. Use o raciocínio do ChatGPT para formular a pergunta; deixe o Perplexity encontrar fontes atualizadas.
Antipadrões
Não: tire um print da conversa no ChatGPT e faça upload no novo chat. O novo modelo terá que fazer OCR do seu print. Perde formatação, matemática, estrutura de código. A exportação em Markdown é sempre melhor.
Não: peça ao novo modelo para “lembrar” da conversa antiga como se tivesse memória. Não tem. Trate cada chat como um modelo novo com o que você colocar no prompt.
Não: presuma que o novo modelo chegará às mesmas conclusões. Muitas vezes o objetivo de mudar é justamente obter uma perspectiva diferente.
Um exemplo concreto
Passei um mês com o ChatGPT projetando um esquema PostgreSQL para um SaaS multi-inquilino. Migrei para o Claude na fase de implementação porque o contexto mais longo do Claude mantinha o design completo na memória de trabalho com mais facilidade.
Fluxo:
- Exportei a conversa do ChatGPT → Markdown via ChatExport AI. Cerca de 25 mil tokens de conversa sobre design.
- Colei o Markdown completo como primeira mensagem do Claude em um novo Projeto do Claude.
- Pedi ao Claude: “Leia isso. Liste as decisões de design com as quais você discordaria.” Recebi 4 críticas substanciais na resposta.
- Trabalhei nessas críticas. Duas semanas depois o esquema estava implementado e testado no Claude com contexto completo.
Esse é o fluxo de migração quando ambos os modelos estão fazendo o melhor trabalho possível.
Relacionados
- ChatGPT vs Claude vs Gemini — quando escolher cada um.
- Como exportar ChatGPT para Markdown.
- Guia de exportação do Claude.