Você investiu dois meses em uma conversa no ChatGPT resolvendo um problema complexo. Agora quer migrar para o Claude pelo contexto longo superior ou para o Gemini pela integração mais estreita com o Workspace, sem jogar fora todo esse progresso. Como fazer a transição?
Aqui estão três abordagens de migração, classificadas por fidelidade.
1. Colagem da transcrição completa (mais simples e eficaz)
Exporte sua conversa do ChatGPT como Markdown. Abra um novo chat no Claude ou Gemini. Cole a transcrição Markdown completa em uma única mensagem com este prompt:
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.O que funciona:
- Cadeia de raciocínio completa preservada
- Todo código, matemática e citações mantidos intactos
- O novo modelo recebe o contexto completo que o ChatGPT tinha
O que não funciona:
- Conversas extremamente longas podem exceder o limite de 200K do Claude ou 1M do Gemini (raro, mas possível para discussões de pesquisa de vários meses)
- O novo modelo trata o histórico colado como saída observada, não como seu próprio raciocínio, pode questionar conclusões anteriores
- O streaming inicial pode ficar mais lento ao processar um contexto grande
Este método funciona melhor para a maioria dos casos de uso. As exportações Markdown do ChatExport AI são eficientes em tokens: uma conversa típica de 50 mensagens consome cerca de ~10K tokens, bem dentro da janela de contexto de qualquer modelo moderno.
2. Resumo inicial (mais rápido, porém com perdas)
Quando a transcrição completa excede limites razoáveis, peça ao ChatGPT para criar primeiro um resumo de passagem:
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.Pegue esse resumo e cole como mensagem de abertura no seu novo chat do Claude ou Gemini:
I had a long conversation with ChatGPT that produced this summary.
Here's where we got to. Continue from this point.
[paste summary]Você perderá um pouco de fidelidade, o ChatGPT decide o que é importante. Mas, para discussões estratégicas e projetos em andamento, um resumo de 2K tokens geralmente captura contexto suficiente para prosseguir de forma eficaz.
3. Exportação JSON → prompt estruturado (máxima fidelidade)
Para pesquisas onde a estrutura da conversa importa: exporte o ChatGPT como JSON. O JSON inclui metadados por turno (função, conteúdo, modelo, timestamp). Filtre os turnos relevantes e monte um resumo inicial limpo e estruturado:
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.Esta abordagem brilha em engajamentos com 200+ mensagens onde apenas ~20 turnos são relevantes, você ganha precisão cirúrgica sem ruído.
Especificidades da migração por plataforma
Migrando para o Claude
O Claude Sonnet 5 lida excepcionalmente bem com contextos longos colados. Ocasionalmente ele pode perguntar “Devo tratar isso como entrada que estou lendo, ou como nosso histórico compartilhado?”, esclareça isso na sua mensagem inicial.
Para trabalho contínuo, faça upload da exportação Markdown como um arquivo de Projeto em vez de colar. O Claude pode então referenciá-lo em várias conversas.
Migrando para o Gemini
O Gemini 3 Pro oferece uma janela de contexto de 1 milhão de tokens, acomodando históricos de conversa enormes. O campo de instruções do sistema é ideal para resumos iniciais (“contexto de fundo:
Migrando para o DeepSeek (R1)
Quer migrar para capturar melhorias de raciocínio? O DeepSeek-R1 vai iterar sobre cadeias de raciocínio anteriores. Seja explícito no seu prompt: “Aqui está onde chegamos. Reexamine as conclusões criticamente.” O R1 é excelente em raciocínio de segunda passagem que pega o que o GPT-4 deixou passar.
Migrando para o Perplexity
O Perplexity tem base em buscas, colar resumos longos de conversas não se alinha com o design da UX. Melhor abordagem: extraia uma única pergunta de pesquisa focada da sua conversa no ChatGPT e faça a pergunta diretamente ao Perplexity. Use o raciocínio do ChatGPT para formular a pergunta; deixe o Perplexity trazer fontes atuais.
Erros comuns de migração a evitar
Não faça: Capture uma captura de tela da conversa do ChatGPT e envie as imagens para o novo chat. O modelo terá que fazer OCR das suas capturas, o que destrói formatação, notação matemática e estrutura de código. A exportação Markdown é sempre superior.
Não faça: Peça ao novo modelo para “lembrar” a conversa antiga como se tivesse memória persistente. Ele não tem. Cada chat começa do zero com apenas o que você inclui no prompt.
Não faça: Espere que o novo modelo chegue a conclusões idênticas. Obter uma perspectiva diferente é muitas vezes exatamente o motivo pelo qual você está trocando de modelo.
Exemplo real de migração
Passei um mês com o ChatGPT projetando um schema Postgres para SaaS multi-inquilino. Migrei para o Claude na implementação porque o contexto estendido do Claude mantinha o design inteiro na memória de trabalho de forma mais eficaz.
Fluxo de migração:
- Exportei a conversa do ChatGPT para Markdown via ChatExport AI, aproximadamente 25K tokens de discussão de design
- Colei o Markdown completo como primeira mensagem em um novo Projeto do Claude
- Instruí o Claude: “Leia isto. Liste as decisões de design que você contestaria.” Recebi 4 críticas substanciais imediatamente
- Iterei sobre essas críticas ao longo de duas semanas. O schema foi implementado e testado no Claude com o contexto completo do design
Isso é um fluxo de trabalho eficaz entre modelos, deixando cada IA fazer o que faz de melhor.
Guias relacionados
- ChatGPT vs Claude vs Gemini, quando escolher cada modelo
- Como exportar ChatGPT para Markdown
- Guia de exportação do Claude