Claude 的记忆功能：不同的产品哲学

2025年9月11日

Shlok Khemani

概览

Claude 和 ChatGPT 这两大顶尖 AI 助手，在“记忆”功能的实现上采取了完全相反的两种策略。这种差异深刻地反映了它们各自的产品定位、目标用户群体和设计哲学。

Claude 的记忆系统：显式、可控的工具

Claude 的记忆功能被设计成一个由用户主动调用的工具，而非一个持续运行的后台服务。其主要特点是：

1. 从零开始 (Blank Slate)：每次对话都始于一个空白状态，不会预先加载任何用户画像或历史记录。
2. 用户主动触发 (Explicit Invocation)：记忆功能只有在用户使用“我们上次聊了什么？”等明确指令时才会被激活。
3. 基于原始对话的搜索 (Raw History Search)：它不会创建 AI 生成的用户摘要或压缩档案，而是通过实时搜索用户的原始聊天记录来回忆信息。
4. 两大搜索工具：
   • conversation_search：根据关键词或主题在全部历史记录中进行搜索。
   • recent_chats：根据时间范围（如“最近10次对话”或“去年11月的最后一周”）来检索对话。

ChatGPT 的记忆系统：隐式、自动的体验

与 Claude 相反，ChatGPT 的记忆功能是为大众消费市场设计的，其特点是：

1. 自动运行 (Always-On)：记忆功能自动加载，无需用户干预，提供即时的个性化体验。
2. 创建用户画像 (User Profiling)：系统会持续学习用户的偏好和模式，构建详细的用户档案。
3. 追求“魔法般”的体验：目标是让产品感觉智能、贴心、无缝，让用户无需思考其工作原理。

哲学与用户的差异

这种设计上的分歧源于两家公司不同的市场策略：

• Claude 瞄准专业用户：其用户群体主要是开发者、研究人员等技术型专业人士。这些人理解 LLM 的工作原理，偏爱精准的控制权，并能接受为了调用记忆而产生的额外延迟。对他们而言，记忆是一个强大的、可预测的专业工具，隐私和可控性至关重要。

• ChatGPT 瞄准大众市场：其用户群体覆盖学生、家长等各类普通消费者。他们希望产品开箱即用、简单方便，能自动记住他们的信息。这是典型的消费级科技产品的策略：先通过“魔法般”的体验吸引并留住海量用户，后续再探索商业化模式。

结论与展望

作者认为，两大巨头采取截然相反的路径，说明 AI 记忆功能的设计空间极其广阔，没有唯一的正确答案。最佳方案取决于产品的目标用户和具体需求。目前，这个领域仍处于早期探索阶段（“寒武纪大爆发”），各大公司都在尝试不同的方法，远未形成行业标准。

最后更新：文章发布后不久，Anthropic (Claude 的母公司) 宣布为其团队版和企业版用户推出一项新的记忆功能，该功能看起来更接近 ChatGPT 的自动画像模式。这表明，AI 记忆领域的发展和演变速度极快。

---

正文

本周早些时候，我剖析了 ChatGPT 的记忆系统。之后我开始对 Claude 进行同样的分析，并发现了一个显著现象：这两个领先的 AI 助手构建了完全相反的记忆系统。

本文将首先详细解析 Claude 记忆功能的工作原理——它存储什么信息以及如何检索信息。然后我们将探讨更有趣的内容：为什么这两种架构会如此迥异，这说明了什么关于各自用户群体和产品开发理念的差异，以及 AI 记忆设计空间究竟有多广阔。

工作原理

Claude 的记忆系统有两个基本特征。首先，它每次对话都从零开始，不会预加载用户档案或对话历史。只有当你明确调用时，记忆功能才会激活。其次，Claude 通过直接引用原始对话历史来进行回忆。没有 AI 生成的摘要或压缩档案——只是实时搜索你过去的实际聊天记录。

当 Claude 检测到通过"我们讨论过什么"、"继续上次的话题"或"记得我们谈论过"等短语调用记忆时，它会部署两种检索工具，其工作方式类似于网络搜索或代码执行——你可以实时看到它们激活，并在 Claude 搜索历史时等待。搜索完成后，Claude 会综合检索到的对话内容来回答你的问题或继续讨论。

对话搜索

conversation_search 工具帮助在整个对话历史中进行关键词和主题搜索。当我询问"你能回忆我们过去关于月光集市（Chandni Chowk）的对话吗？"（德里的一個历史街区）时，Claude 找到了 9 个相关对话——从我探索其由贾汉娜拉·贝古姆公主于 1650 年建立，到我询问卡里姆餐厅的最佳印度肉丸和帕兰瑟瓦里巷的夹馅烤饼。Claude 将这些分散的讨论综合成了对我月光集市探索的连贯总结。

当你询问多个主题时，Claude 会顺序运行单独的搜索。在我过去担任加密研究员的工作中，我广泛使用 Claude 作为编辑工具。当我询问"告诉我们所有关于米开朗基罗或 Chainflip 或 Solana 的对话"时，Claude 运行了三个独立的搜索——一个针对我对神经网络使用的米开朗基罗类比，另一个关于 Chainflip 的跨链协议工作，第三个关于 Solana 的技术架构。它通过这些搜索找到了 22 个对话，并提供了包含每个聊天直接链接的统一回复。

conversation_search 工具定义

{
  "description": "搜索过去的用户对话以查找相关上下文和信息",
  "name": "conversation_search",
  "parameters": {
    "properties": {
      "max_results": {
        "default": 5,
        "description": "要返回的结果数量，介于 1-10 之间",
        "exclusiveMinimum": 0,
        "maximum": 10,
        "title": "最大结果数",
        "type": "integer"
      },
      "query": {
        "description": "用于搜索的关键词",
        "title": "查询",
        "type": "string"
      }
    },
    "required": ["query"],
    "title": "对话搜索输入",
    "type": "object"
  }
}

时间对话检索

recent_chats 工具提供基于时间的对话历史访问。当我询问"你能告诉我们最近 10 次对话的内容吗？"时，Claude 按时间顺序检索了我最近的聊天记录，并给了我最近使用情况的摘要。

该工具还处理特定时间范围。当我询问"我们在 2024 年 11 月最后一周讨论了什么？"时，Claude 检索了该确切时期的 16 个对话。

recent_chats 工具定义

{
  "description": "检索最近的聊天对话，具有可定制的排序顺序（按时间顺序或倒序）、使用‘before’和‘after’日期时间过滤器的可选分页功能，以及项目过滤",
  "name": "recent_chats",
  "parameters": {
    "properties": {
      "after": {
        "anyOf": [{"format": "date-time", "type": "string"}, {"type": "null"}],
        "default": null,
        "description": "返回在此日期时间之后更新的聊天（ISO 格式，用于基于游标的分页）",
        "title": "之后"
      },
      "before": {
        "anyOf": [{"format": "date-time", "type": "string"}, {"type": "null"}],
        "default": null,
        "description": "返回在此日期时间之前更新的聊天（ISO 格式，用于基于游标的分页）",
        "title": "之前"
      },
      "n": {
        "default": 3,
        "description": "要返回的最近聊天数量，介于 1-20 之间",
        "exclusiveMinimum": 0,
        "maximum": 20,
        "title": "数量",
        "type": "integer"
      },
      "sort_order": {
        "default": "desc",
        "description": "结果排序顺序：'asc' 表示按时间顺序，'desc' 表示倒序（默认）",
        "pattern": "^(asc|desc)$",
        "title": "排序顺序",
        "type": "string"
      }
    },
    "title": "获取最近聊天输入",
    "type": "object"
  }
}

ChatGPT 与 Claude 对比

一年前，ChatGPT 和 Claude 的助手应用在功能上不相上下——多种模型、文件附件、项目功能。但从那时起，它们的路径出现了显著分歧。ChatGPT 已经演变为一个大众市场消费产品，而 Claude 则刻意选择了不同的发展轨迹。Anthropic 首席产品官 Mike Krieger 已经承认，OpenAI 在消费者采用方面"抓住了闪电"。Anthropic 没有追逐那个市场，而是专注于 Claude 最擅长的领域：开发者工具、编程和专业工作流程。

记忆功能的实现完美反映了这种分歧。

ChatGPT 的数亿周活跃用户来自各种背景——学生、家长、爱好者——他们只想要一个能正常工作并能记住他们的产品，而不需要考虑技术细节。每个记忆组件都会自动加载，实现零等待时间的即时个性化。系统构建详细的用户档案，学习偏好和模式，最终可能用于支持定向功能或货币化。这是典型的消费科技策略：让它神奇，让它粘性，以后再想办法货币化。

Claude 的用户代表了完全不同的群体。Anthropic 的技术型用户天生理解大语言模型的工作原理。他们习惯于在各个层面进行显式控制。就像他们选择何时触发网络搜索或启用扩展思考一样，他们决定何时值得调用记忆功能。他们理解记忆调用会增加延迟，但他们会刻意做出这种权衡。记忆成为他们武器库中的又一个工具，而不是一个常开功能。这个受众不需要也不想要广泛的画像分析——他们需要一个强大、可预测的专业工作工具。更不用说，他们也更加注重隐私。

记忆设计空间

ChatGPT 和 Claude——这两个顶级 AI 助手——构建了完全相反的记忆系统，这仍然让我感到惊讶。这只能说明 AI 中的记忆功能拥有巨大的设计空间，没有正确答案或一刀切的技术。你必须从你的用户是谁和他们需要什么出发，然后相应地基于第一原则进行构建。

我们处于未知领域。这些工具出现还不到三年，没有人知道当某人使用同一个 AI 助手十年会发生什么。它应该记住多少？它应该如何处理多年积累的上下文？与此同时，我们正在见证 AI 应用的寒武纪大爆发，每个应用都在试验自己的记忆方法，而底层模型每周都变得更强大。没有剧本，没有既定的最佳实践——只是每个人都在尝试不同的事情，看看什么有效。

我越深入研究记忆功能，就越着迷。在接下来的几周里，我将剖析不同的架构，分析新的方法，并跟踪最新的研究。如果你想在这个领域发展时获得更新，请在下方订阅。

更新： 发布本文几小时后，Anthropic 宣布为团队和企业账户推出新的记忆功能，看起来更接近 ChatGPT 的方法。尚未尝试（Max 计划不可用），但一旦尝试后会分享更新。 喜欢这篇文章吗？订阅以获取新帖子。

原文: Claude Memory: A Different Philosophy

标签：

• LLM Memory

孩子接受什么样的教育，才不会被 AI 取代？

攻克 LLM 推理中的非确定性