文章摘要
【关 键 词】 记忆功能、逆向工程、聊天记录、用户洞察、技术实现
ChatGPT的新版记忆功能近期引发了广泛关注，尤其是其逆向工程被民间技术大佬破解后，揭示了更多技术细节。该功能主要分为参考保存记忆和参考聊天记录两大模块，其中后者更为复杂，包含三个子系统：当前对话历史记录、对话历史记录和用户洞察。这些系统共同作用，旨在提升ChatGPT的个性化交互能力。
保存记忆系统是用户可控的基础功能，允许用户通过特定提示（如“Remember that I…”）保存个人信息，例如姓名、饮食偏好等。这些信息会被注入系统提示中，用户可以通过界面查看或删除。技术实现上，ChatGPT通过bio工具保存记忆，并采用LLM调用处理用户消息和现有事实列表，最终生成新事实列表或拒绝请求。此外，开发者还可以构建简单的UI来管理这些信息。
聊天记录系统则更为复杂，分为三个子系统。当前对话历史记录仅包含最近一天的信息，通过过滤ChatMessage按时间排序实现。对话历史记录则引用先前对话的上下文，提供简短的背景信息，但无法维护消息顺序或明确时间范围。其技术实现依赖于两个向量空间（message-content和conversation-summary），通过相似性过滤查询生成系统提示。用户洞察是更高级的功能，通过对多个对话的分析生成用户画像，例如用户在特定领域的知识水平。其实现基于RAG实施方案，通过向量空间和批处理完成更新。
尽管记忆功能在理论上能够提升用户体验，但实际反馈却呈现两极分化。支持者认为，该系统能够有效节省内存，消除查询歧义，并最大程度地理解用户需求。尤其是用户洞察系统，据推测贡献了约80%的性能提升。然而，许多用户反馈功能存在严重问题，例如无法保存超过64个单词的信息，以及幻觉问题依旧存在。此外，该功能目前仅对部分用户开放，无法通过API供开发者使用，进一步限制了其应用范围。
总体而言，ChatGPT的记忆功能在技术上展现了显著的创新，但其实际效果仍需进一步优化和完善。用户期待OpenAI能够解决现有问题，并扩大功能的适用范围，以真正实现个性化交互的承诺。
原文和模型
【原文链接】 阅读原文 [ 1799字 | 8分钟 ]
【原文作者】 量子位
【摘要模型】 deepseek-v3
【摘要评分】 ★★★★☆
相关文章
