使用新的生成式AI服务可能会很困难,因为机器人对你一无所知,无法根据你的历史记录、偏好或过往对话来个性化回应。现在谷歌提供了一种解决这个问题的方法。
Gemini新推出的记忆导入功能让你可以从其他AI服务(如ChatGPT或Claude AI)转移记忆、聊天记录和偏好设置。如果你想从其他AI切换到Gemini,或者只是想将谷歌的AI加入你的工具库,都可以尝试这个功能。
谷歌在周四的博客文章中表示:"我们的新记忆导入功能可以轻松将你的关键偏好、关系和个人背景直接导入Gemini。一旦导入这些记忆,Gemini将理解你与其他应用分享的相同关键事实,比如你的兴趣、兄弟姐妹的名字或你成长的地方。无需从头开始,你可以快速让Gemini了解对你最重要的事情。"
如果这听起来很熟悉,那是因为Claude AI最近推出了同样类型的功能,你可以通过简单的提示导入记忆和个人详细信息。随着所有这些服务争夺AI市场份额,让新用户感到宾至如归是一个明智的方法。根据对你的背景和兴趣的了解来个性化回应是实现这一点的一种方式。
使用要求和限制
记忆导入功能适用于免费和付费Gemini账户,但仅限个人账户。你不能使用工作、学校或受监管的谷歌账户登录。该功能在全球范围内可用,但英国、瑞士和欧洲经济区除外。你必须年满18岁,并且有权访问另一个存储聊天和记忆的AI服务。
如何使用记忆导入功能
要尝试此功能,浏览Gemini的记忆导入页面并点击"开始"按钮,或登录Gemini网页,在左侧边栏底部选择"设置",然后选择"将记忆导入Gemini"。第一步显示你需要粘贴并提交给其他AI服务的提示。
该提示要求其他AI服务总结它对你的了解,包括人口统计信息、兴趣偏好、关系、日期事件项目计划和指令等五个类别。AI会生成一个结构化的回应,避免使用第一人称和第二人称代词,而是称呼用户为"用户"或使用中性措辞。
将提示复制粘贴到其他AI后,该AI将生成回应。复制该回应,返回Gemini,并将其粘贴到第二步窗口中。点击"添加记忆"按钮,Gemini将把所有数据和详细信息纳入其记忆中。谷歌的AI还会通过引用你的一些个人信息来欢迎你使用该服务。
导入聊天记录
除了转移记忆,你还可以转移过往对话。该过程会根据其他AI而有所不同。
在ChatGPT中,选择左下角的用户名,点击"设置",然后选择"数据控制"。点击"导出数据"旁边的"导出"按钮,然后确认导出。
在Claude AI中,点击左下角的用户名,选择"设置",然后选择"隐私"。点击"导出数据"旁边的"导出"按钮。选择是否要导出所有以前的聊天记录或仅导出过去30天或90天的聊天记录。再次点击"导出"完成该过程。
使用任何一项服务,你都会收到一封包含下载导出数据按钮或链接的电子邮件。下载文件,该文件以ZIP存档格式存储。
返回Gemini导入页面,点击"导入聊天"下方的"添加"按钮。选择下载的导出文件。然后你会看到来自其他AI的以前对话出现在Gemini中。
管理导入的数据
此时,你可以删除不希望Gemini保留的特定对话。只需将鼠标悬停在左侧边栏的特定聊天上,点击三点图标,然后选择"删除"。你还可以删除某些记忆和其他信息。为此,登录你的Gemini应用活动页面。向下滚动页面,点击你想删除的任何项目旁边的X。
要了解更多关于Gemini记忆导入选项的信息,请查看谷歌关于该功能的帮助页面和导入记忆页面底部的常见问题解答。
Q&A
Q1:Gemini的记忆导入功能是什么?它有什么用处?
A:Gemini的记忆导入功能允许用户从其他AI服务(如ChatGPT或Claude AI)转移记忆、聊天记录和偏好设置到Gemini中。这样可以避免从零开始使用新的AI服务,让Gemini快速了解用户的背景、兴趣和个人偏好,提供更个性化的回应。
Q2:使用Gemini记忆导入功能有什么限制条件?
A:该功能仅适用于个人Gemini账户(免费和付费都可以),不能使用工作、学校或受监管的谷歌账户。用户必须年满18岁,并且在全球范围内可用,但英国、瑞士和欧洲经济区除外。此外,用户需要有权访问另一个存储聊天和记忆的AI服务。
Q3:如何将ChatGPT或Claude AI的聊天记录导入到Gemini?
A:在ChatGPT中,选择用户名点击设置和数据控制,然后导出数据。在Claude AI中,点击用户名选择设置和隐私,选择导出范围后导出数据。用户会收到包含ZIP文件下载链接的邮件。下载后,在Gemini导入页面点击"导入聊天"下的"添加"按钮,选择导出文件即可完成导入。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。