AI助手换着用的最大痛点，从来不是界面丑或者回答蠢。是你每次都得重新自我介绍一遍——你的习惯、你的项目、你那些奇奇怪怪的重复需求，全部要手动喂给新机器人，像在培训一个没带笔记本的热情实习生。
谷歌显然受够了这套流程。Gemini最近上线了一个记忆导入功能，能把ChatGPT、Claude等平台积累的用户画像一键迁移过来。官方说法是降低尝鲜门槛，让用户"换车不丢钥匙"。
我用ChatGPT的时间够长，它确实攒了不少关于我的黑历史。这次正好测试一下，Gemini能从对手那里扒出多少底细。
两种偷师姿势：上传压缩包，或者让AI自己审问自己
设置菜单里找到"Import memory to Gemini"，系统给了两条路。第一条是技术流：把与其他AI的聊天记录打包成zip上传。第二条更狡猾——用一段官方提供的提示词，直接让ChatGPT自己总结它对你的了解，再把这份"供词"粘贴给Gemini。
我选了第二条路。毕竟让AI自我解剖，比翻几万条聊天记录体面多了。
提示词的设计很直接：要求ChatGPT整理一份"用户画像档案"，涵盖沟通偏好、常用工具、重复请求类型、项目背景、甚至个人习惯。ChatGPT吐出来的东西让我有点后背发凉——它记得我习惯用Markdown格式、讨厌emoji、总在周三下午追问代码问题、最近三个月在折腾一个智能家居项目。
这些细节我自己都没意识到已经重复了这么多次。
把这份档案粘贴进Gemini的导入框，系统花了大约15秒完成解析。没有进度条，没有"正在学习您的偏好"的安抚动画，就那么安静地吞下去了。
迁移完成后的第一场对话：熟悉感来得有点快
测试新AI的标准流程通常是先扔几个基础问题，看它会不会跑偏。但这次我故意没给任何背景，直接问："继续上周那个脚本优化。"
Gemini的回复开头是："基于你之前的习惯，我猜你指的是Home Assistant的自动化脚本——你上周提到想减少传感器误触发，倾向于用条件判断替代定时轮询。"
这段回答里有三个信息点：项目类型（Home Assistant）、具体问题（误触发）、技术偏好（条件判断优于轮询）。全部正确。而这些信息原本分散在ChatGPT过去两个月的十多段对话里，从未被集中整理过。
我又试了另一个刁钻问题："按老规矩处理。"
Gemini回："输出Python代码，附带简要注释，不展开解释原理——这是你之前对代码类请求的通用要求。"
这种"被看穿"的感觉很微妙。不是惊喜，更像发现新室友翻完了你的日记，然后精准地按你的习惯泡了杯咖啡。
记忆颗粒度对比：ChatGPT像档案柜，Gemini像便签墙
导入完成后，我对比了两边对同一用户的"理解深度"。ChatGPT的记忆系统更像分门别类的档案柜——它能追溯到具体日期、保留完整对话片段、甚至记得某次讨论中你临时改过的需求。
Gemini导入后的表现更像一面便签墙。它抓住了模式和偏好，但丢失了时间线和具体场景。比如ChatGPT记得"2024年11月你因为网络延迟放弃过MQTT方案"，Gemini只知道"用户对网络稳定性敏感，偏好本地化处理"。
这种压缩是有代价的。当你问"上次为什么没选那个方案"，Gemini会给出基于偏好的推测，而不是事实回溯。
但代价也可能是收益。ChatGPT的档案柜模式让它在某些时候过于"念旧"——它会反复提起你已经放弃的项目，或者坚持某个你早已推翻的技术选型。Gemini的便签墙更轻量，不会用历史对话绑架现在的判断。
隐私账簿：你导出的不只是记忆，是行为指纹
导入过程中有个细节值得注意。ChatGPT生成的用户画像档案里，包含大量可识别的行为模式：你的活跃时段、你的决策路径、你的焦虑触发点。这些不是静态偏好，是动态的行为指纹。
谷歌的隐私声明说这些数据"仅用于改善Gemini的个性化体验"，但没说是否用于模型训练。换句话说，你迁移的可能是竞争对手帮你提炼的用户洞察，而这些洞察现在流入了谷歌的数据池。
更实际的考量是：当你从ChatGPT导出这份档案时，OpenAI是否将其标记为"用户即将流失"的信号？两家公司的数据博弈，用户夹在中间成了透明人。
我检查了导出文件的大小。三个月的活跃使用，生成的纯文本画像约12KB。相比原始聊天记录的MB级体积，这是极高的信息密度压缩。也意味着，迁移成本极低，反悔成本极高——一旦出去，就很难假装没发生过。
功能边界：有些记忆注定无法过境
测试中也撞到了硬边界。Gemini无法导入两类关键信息：一是多模态记忆，比如ChatGPT记住的"这张图片是我家的户型图"；二是工具调用历史，比如"你习惯先用DALL·E生成草图再提修改意见"。
这些记忆需要重新建立。我重新上传了户型图，Gemini的反应是标准的首次接触——"这是一张室内平面图，需要我分析布局吗？"而ChatGPT会直接进入："还是改厨房动线那个方案？"
另一个盲区是情绪记忆。ChatGPT在某些对话中学会了"当我用特定措辞时，通常意味着 deadline 临近、需要简短回答"。这种微妙的语境判断，在文本画像里无法编码，导入后需要重新磨合。
磨合期的长短因人而异。我的测试显示，大约需要20-30轮对话，Gemini才能重新捕捉到那些未写入档案的隐性规则。
竞争格局的微妙位移
这个功能上线的时机很巧。OpenAI刚刚在ChatGPT里加满了广告位，用户抱怨声正在发酵。谷歌选择此时推出"无痛迁移"，明显是想接住那批"想逃但舍不得记忆"的摇摆用户。
但迁移工具本身是双刃剑。它降低了用户尝试Gemini的门槛，也降低了用户从Gemini流失后回归ChatGPT的门槛——毕竟记忆可以双向导出，理论上你也可以把Gemini的学习成果再搬回去。
真正的护城河从来不是数据本身，是数据与交互方式的咬合深度。ChatGPT的语音模式、Claude的Artifacts、Gemini的谷歌生态打通，这些差异化体验才是留住用户的关键。记忆导入只是消除了换门的摩擦力，门后的房间好不好住，各凭本事。
我的测试账号现在处于诡异的双轨状态：ChatGPT记得我 abandoned 的项目细节，Gemini掌握我 current 的偏好模式。两边都不完整，两边都在学习。这种分裂感可能是过渡期常态，也可能成为长期状态——毕竟没有规定说用户只能忠于一个AI。
谷歌产品经理在功能公告里埋了一句挺诚实的话：「我们希望让尝试Gemini变得像换浏览器一样简单。」
但浏览器没有记忆。AI助手有。而记忆，从来都是最黏性的那一类数据。
当你的数字分身可以在平台间打包旅行，"忠诚"这个词还有意义吗？还是说，我们终将习惯一种更流动的关系——每个AI都只知道你的一部分，而你自己成了唯一完整的拼图？
热门跟贴