Вы два месяца вели диалог в ChatGPT, прорабатывая сложную задачу. Теперь хотите переключиться на Claude ради лучшей обработки длинного контекста или на Gemini для более тесной интеграции с Workspace, и не потерять весь наработанный прогресс. Как совершить этот переход?
Вот три подхода к миграции, отсортированные по степени точности.
1. Вставка полной стенограммы (самый простой и эффективный)
Экспортируйте свой разговор в ChatGPT в Markdown. Откройте новый чат в Claude или Gemini. Вставьте всю стенограмму Markdown одним сообщением вместе с таким промптом:
Вот диалог, который я вёл с ChatGPT и хочу продолжить с тобой.
Прочитай его, затем продолжай с того места, где мы остановились.
[вставьте полный экспорт в Markdown]
Продолжи с этой точки.Что работает:
- Полная цепочка рассуждений сохранена
- Весь код, математика и цитаты остаются в целости
- Новая модель получает весь контекст, который был у ChatGPT
Что не работает:
- Очень длинные диалоги могут упереться в лимит токенов Claude (200K) или Gemini (1M), редко, но возможно для многомесячных исследовательских веток
- Новая модель воспринимает вставленную историю как наблюдаемый вывод, а не собственные рассуждения, может подвергать сомнению прежние выводы
- Изначальная потоковая передача может замедлиться при обработке большого контекста
Этот метод лучше всего подходит для большинства случаев. Экспорт Markdown от ChatExport AI эффективен по токенам: типичный диалог из 50 сообщений занимает около ~10K токенов, что укладывается в контекстное окно любой современной модели.
2. Сводка-преамбула (быстрее, но с потерями)
Когда полная стенограмма превышает разумные пределы, попросите ChatGPT сначала составить передаточную сводку:
Суммируй ключевые выводы, решения и открытые вопросы
из этого диалога так, чтобы другой ИИ-ассистент мог подхватить
с того места, где мы остановились. Включи любой код или данные,
которые всё ещё актуальны.Возьмите эту сводку и вставьте как первое сообщение в новый чат Claude или Gemini:
У меня был долгий диалог с ChatGPT, результатом которого стала эта сводка.
Вот к чему мы пришли. Продолжи с этой точки.
[вставьте сводку]Вы потеряете часть точности, ChatGPT решает, что важно. Но для стратегических обсуждений и текущих проектов сводки на 2K токенов обычно хватает, чтобы эффективно продолжать.
3. Экспорт в JSON → структурированный промпт (максимальная точность)
Для исследований, где важна структура диалога: экспортируйте ChatGPT в JSON. JSON содержит метаданные каждого оборота (роль, содержимое, модель, временная метка). Отфильтруйте нужные обороты и составьте чистую структурированную преамбулу:
Вот обороты из предыдущего диалога, которые релевантны
тому, куда мы движемся дальше:
[вставьте отфильтрованный JSON, отредактированный вручную]
Продолжи с этой точки.Этот подход незаменим для взаимодействий с 200+ сообщениями, когда в будущее переносятся только ~20 оборотов, вы получаете хирургическую точность без лишнего шума.
Особенности миграции на каждую платформу
Миграция в Claude
Claude Sonnet 5 отлично справляется с длинными вставленными контекстами. Иногда он может спросить: «Стоит ли рассматривать это как вводный текст или как нашу общую историю?», уточните это в вашей преамбуле.
Для текущей работы загрузите экспорт Markdown как файл Проекта вместо вставки. Тогда Claude сможет обращаться к нему в нескольких ветках диалога.
Миграция в Gemini
Gemini 3 Pro предлагает контекстное окно на 1 млн токенов, вмещая даже огромные истории диалогов. Поле системных инструкций идеально подходит для сводок-преамбул («контекст: <сводка>»). С Gemini Advanced вы также можете прикрепить экспорт Markdown как файл.
Миграция в DeepSeek (R1)
Переключаетесь, чтобы улучшить качество рассуждений? DeepSeek-R1 будет итеративно развивать предыдущие цепочки. Будьте явны в промпте: «Вот к чему мы пришли. Критически пересмотри выводы.» R1 отлично справляется с повторным анализом, улавливая то, что упустил GPT-4.
Миграция в Perplexity
Perplexity ориентирован на поисковые запросы, вставка длинных преамбул диалогов не соответствует его дизайну. Лучше извлеките один конкретный исследовательский вопрос из вашего диалога с ChatGPT и задайте его Perplexity «с нуля». Используйте рассуждения ChatGPT для формулировки вопроса; пусть Perplexity подберёт актуальные источники.
Распространённые ошибки при миграции
Не делайте так: Делайте скриншоты диалога ChatGPT и загружайте изображения в новый чат. Модели придётся распознавать текст на скриншотах, что уничтожает форматирование, математические обозначения и структуру кода. Экспорт в Markdown всегда лучше.
Не делайте так: Просите новую модель «запомнить» старый диалог, будто у неё есть постоянная память. Её нет. Каждый чат начинается с чистого листа, учитывая только то, что вы включили в промпт.
Не делайте так: Ожидайте, что новая модель придёт к идентичным выводам. Получение другого взгляда, часто именно то, ради чего вы меняете модель.
Пример миграции из реальной жизни
Я потратил месяц на общение с ChatGPT, проектируя схему PostgreSQL для мультитенантного SaaS. Я переключился на Claude для реализации, потому что расширенный контекст Claude удерживал весь проект в рабочей памяти более эффективно.
Рабочий процесс миграции:
- Экспортировал диалог ChatGPT в Markdown через ChatExport AI, около 25K токенов обсуждения дизайна
- Вставил полный Markdown как первое сообщение в новый Проект Claude
- Запросил Claude: «Прочитай это. Перечисли проектные решения, с которыми ты бы поспорил.» Получил сразу 4 содержательных замечания
- Прорабатывал эти замечания в течение двух недель. Схема была реализована и протестирована в Claude с полным контекстом дизайна
Это и есть эффективная кросс-модельная работа: позволить каждому ИИ делать то, что у него получается лучше всего.
Связанные руководства
- ChatGPT vs Claude vs Gemini, когда выбирать каждую модель
- Как экспортировать ChatGPT в Markdown
- Руководство по экспорту из Claude