你在ChatGPT里花了两月时间，用一通长篇对话解决了一个复杂问题。现在你想切换到Claude（它擅长处理超长上下文）或Gemini（与Workspace集成更紧密），但不想丢掉已经积累的所有进展。怎么跳转？
以下是三种迁移方法，按保真度排序。
1. 粘贴完整对话记录（最简单也最有效）
把你的ChatGPT对话导出为Markdown。打开一个新的Claude或Gemini聊天，把完整的Markdown记录粘贴到一条消息中，并附上以下提示：
这是一段我与ChatGPT的对话，我想和你继续讨论。
请阅读它，然后从我们停下的地方继续。
[粘贴完整的Markdown导出内容]
从这里继续。效果好的方面：
- 完整的推理链得以保留
- 所有代码、数学公式和引用都原封不动
- 新模型能获取ChatGPT当时拥有的全部上下文
效果不好的方面：
- 极长的对话可能会触及Claude的200K或Gemini的1M token限制（虽然少见，但对于持续数月的研究线程是可能的）
- 新模型会把粘贴的历史记录视为观察到的输出，而非自己的推理，它可能会质疑之前的结论
- 处理超大上下文时，初始流式输出可能会变慢
这种方法适用于大多数场景。ChatExport AI的Markdown导出在token效率上表现优异, 一条典型50条消息的对话大约运行~10K tokens，完全在当下任何模型的上下文窗口范围内。
2. 摘要前言（更快但会丢失信息）
当完整记录超出合理范围时，先让ChatGPT生成一份交接摘要：
总结这段对话中的关键结论、决定和未解决问题，
以便另一AI助手能接手继续。包括任何仍然相关的代码或数据。然后把这个摘要粘贴到你新Claude或Gemini聊天的开场消息中：
我在ChatGPT上进行了一段很长的对话，生成了这份摘要。
这是我们目前取得的进展。请从这里继续。
[粘贴摘要]你会丢失一些保真度, 由ChatGPT来决定哪些重要。但对于策略性讨论和进行中的项目，一份2K tokens的摘要通常能捕捉到足够的上下文，让你有效继续。
3. JSON导出→结构化提示（最高保真度）
对于对话结构很重要的研究场景：将ChatGPT导出为JSON。JSON包含每轮的元数据（角色、内容、模型、时间戳）。筛选出相关轮次，构建干净的结构化前言：
以下是一段之前对话中与我们接下来要讨论内容相关的轮次：
[粘贴经手动编辑后的筛选JSON]
请从这里继续。这种方法在200+条消息、只有约20轮需要继承的情况下效果最好, 你能精确筛选，不带噪音。
各平台迁移细节
迁移到Claude
Claude Sonnet 5非常擅长处理粘贴的长上下文。它偶尔会问“我应该把这段当做我正在阅读的输入，还是我们共同的历史？”，在你的前言消息中澄清即可。
对于持续工作，把Markdown导出文件作为项目文件上传，而不是粘贴。这样Claude可以在多个对话线程中引用它。
迁移到Gemini
Gemini 3 Pro拥有1M token的上下文窗口，能容纳巨大的对话历史。它的系统指令字段非常适合放置摘要前言（“背景上下文：<摘要>”）。使用Gemini Advanced时，你也可以把Markdown导出作为附件上传。
迁移到DeepSeek (R1)
为了获得推理能力上的改进？DeepSeek-R1会迭代之前的推理链。在你的提示中要明确：“这是我们之前达到的点。以批判性眼光重新审视结论。” R1擅长进行二次推理，能找出GPT-4遗漏的地方。
迁移到Perplexity
Perplexity是基于搜索的，粘贴长篇对话前言不符合其UX设计。更好的方法：从你的ChatGPT对话中提炼出一个聚焦的研究问题，然后在Perplexity中重新提问。利用ChatGPT的推理来构思问题；让Perplexity提供最新来源。
常见的迁移错误要避免
不要： 截取ChatGPT对话的截图，然后把图片上传到新聊天中。模型需要OCR你的截图，这会破坏格式、数学符号和代码结构。Markdown导出总是更优。
不要： 让新模型“记住”旧对话，好像它有持久记忆一样。它没有。每次聊天都是从头开始，只有你放在提示里的内容才存在。
不要： 期望新模型得出完全相同的结论。获得不同视角往往正是你切换模型的原因。
真实世界的迁移示例
我曾花了一个月时间用ChatGPT设计一个多租户SaaS的Postgres模式。后来我切换到Claude进行实现，因为Claude的扩展上下文能更有效地把整个设计保留在工作记忆中。
迁移工作流程：
- 通过ChatExport AI将ChatGPT对话导出为Markdown，大约25K tokens的设计讨论
- 把完整的Markdown粘贴为一个新的Claude项目中的第一条消息
- 提示Claude：“阅读这段内容。列出你会提出质疑的设计决策。” 立即收到4条实质性批评
- 花了两周时间迭代这些批评。模式在Claude中设计并测试完成，完整的设计上下文都得到了保留
这就是有效的跨模型工作流程, 让每个AI做它最擅长的工作。