你在 ChatGPT 里花了两周时间，用同一段对话在解决一个问题。现在你想切换到 Claude（更好的长上下文）或 Gemini（更好的工作区集成），但又不想从头开始。怎么办？
三种方法，按保真度排序。
1. 全文粘贴（最简单）
将 ChatGPT 对话导出为 Markdown。打开新的 Claude / Gemini 对话。把 Markdown 粘贴到一条消息里：
这是我与 ChatGPT 的对话记录，我想和你继续下去。
请阅读它，然后从我们停下的地方继续。
[粘贴完整的 Markdown 导出文件]
从这个点继续。优点：
- 完整的推理链得以保留。
- 代码、数学公式、引用全都保留。
- 新模型能“看到” ChatGPT 看到的所有内容。
缺点：
- 过长的对话可能超出 Claude 的 200K 上下文或 Gemini 的 1M 上下文。（大部分不会，但跨度几个月的研究型对话可能会。）
- 新模型会把粘贴的历史视为 观察到过的过往输出，而非它自己的推理。它可能会对先前的结论提出质疑。
- 由于模型需要处理长上下文，流式输出可能会变慢。
对于大多数情况而言，这是最合适的做法。ChatExport AI 生成的 Markdown 很紧凑——一条 50 条消息的对话通常约 10K token，轻松落在任何现代模型的窗口内。
2. 摘要铺垫（有损但速度快）
如果全文太长，先让 ChatGPT 给自己做个摘要：
总结本对话中的关键结论、决策和未解决的问题，
以便另一个 AI 助手能接着我们停下的地方继续。
包括任何仍然相关的代码或数据。拿着这份摘要，将其粘贴到新的 Claude / Gemini 对话中作为第一条消息：
我之前与 ChatGPT 进行了一次长对话，生成了以下摘要。
这是我们到达的进展。请从这个点继续。
[粘贴摘要]保真度的损失是实实在在的——你在让 ChatGPT 决定什么重要。但对于进行中的策略讨论，一条 2K token 的摘要通常足够。
3. JSON 导出 → 结构化提示（最高保真度）
对于结构重要的研究：将 ChatGPT 导出为 JSON。JSON 包含每轮对话的字段（角色、内容、模型、时间戳）。你可以手动筛选出相关的轮次，并重新构建一份干净的铺垫：
以下是之前对话中与我们接下来方向相关的轮次：
[粘贴筛选并手动编辑过的 JSON]
从这个点继续。这种方法适合那些你发过 200 条消息，但只有大约 20 条需要保留的情况。
各平台注意事项
迁移到 Claude
Claude Sonnet 4.6 处理粘贴的长上下文效果很好。它有时会问：“我应该把这段内容视为我正在阅读的输入，还是我们共有的历史？”——在铺垫中说明清楚。
如果你想让 Claude 使用 Project，可以把 Markdown 导出作为一个 Project 文件上传，而不是粘贴进去。这样 Claude 可以在多个对话中引用它。
迁移到 Gemini
Gemini 3 Pro 拥有 1M token 的上下文，所以即使是大对话也能容纳。系统指令栏是放置摘要铺垫的好地方（“背景上下文：<摘要>”）。对于 Gemini Advanced，你也可以将 Markdown 作为文件附件上传。
迁移到 DeepSeek（R1）
如果你是为了推理链而切换，DeepSeek-R1 会在先前的推理基础上迭代。要明确说明：“这是我们之前得出的结论。请批判性地重新审视这些结论。”R1 的优势在于二次推理，能发现 GPT-5 遗漏的问题。
迁移到 Perplexity
Perplexity 是一个基于搜索的聊天机器人——把长对话作为铺垫粘贴并不符合它的用户体验。更好的做法是：从 ChatGPT 对话中提取一个单一的研究问题，然后直接向 Perplexity 提问。利用 ChatGPT 的推理来形成问题，让 Perplexity 查找当前的最新来源。
反模式
不要： 截图 ChatGPT 对话并上传到新对话。新模型必须对你的截图进行 OCR。会丢失格式、数学公式、代码结构。Markdown 导出总是更好。
不要： 要求新模型“记住”旧对话，仿佛它有记忆一样。它没有。将每个对话视作一个不带任何记忆的新模型，你提示里放什么它就有什么。
不要： 假设新模型会得出同样的结论。切换的全部意义往往就在于获得不同的视角。
一个具体例子
我用了一个月时间与 ChatGPT 一起设计一个多租户 SaaS 的 Postgres schema。在实现阶段切换到了 Claude，因为 Claude 更长的上下文能更好地将整个设计保留在工作记忆中。
流程：
- 通过 ChatExport AI 将 ChatGPT 导出为 Markdown。约 25K token 的设计讨论。
- 将完整 Markdown 粘贴为 Claude 新 Project 中的第一条消息。
- 问 Claude：“阅读这些内容。列出你会质疑的设计决策。”得到了 4 个实质性的批评意见。
- 针对这些批评进行迭代。两周后，schema 在 Claude 中实现并测试完毕，全程持有上下文。
当两个模型都在发挥最佳水平时，这就是切换的工作流。