跳转到内容

记忆

身份 非官方简体中文镜像
翻译状态 AI 翻译
来源版本 官方未提供
同步日期 2026-07-31
官方原文 learn.chatgpt.com

如需完整文档索引,请参阅 llms.txt。文档页面的 Markdown 版本可通过在页面后追加 .md 来获取 URL。

记忆让 ChatGPT 和 Codex 把早期工作中的有用上下文带入 未来的工作。 ChatGPT 网页端使用 ChatGPT 记忆,而本地 Codex 客户端使用单独的本地 记忆存储和控制项。

将必需的团队指导保存在 AGENTS.md 或已签入的文档中。将 记忆视为有用的回忆层,而不是必须 始终适用的规则的唯一来源。

在 ChatGPT 桌面应用中,使用 /memories 来选择聊天是否可以使用 本地记忆,或为未来记忆提供内容。需要开启或关闭时,从 Settings > Personalization 管理此功能。

管理 ChatGPT 记忆的位置是 Settings > Personalization。 ChatGPT Work 使用 你的账号和工作区可用的记忆设置;它不使用 本地 Codex 记忆存储或本地记忆控制项。

在 Codex CLI中,在交互式会话里使用 /memories 来控制 当前聊天是否可以使用现有本地记忆,或成为未来 记忆的输入。若 Configure local memories 命令不可用,请参阅 。

该 IDE 扩展使用已连接 Codex 主机的本地记忆存储。当 该主机启用记忆后,使用与 Codex CLI相同的聊天级控制项。

Chronicle 是一项仅限桌面端的功能,可帮助 Codex 从你的屏幕恢复最近的工作上下文,用于构建记忆。

启用记忆后, Codex 可以把符合条件的先前 聊天中的有用上下文转换为本地记忆文件。 Codex 会跳过活跃或短期会话, 从生成的记忆字段中遮盖密钥,并在 后台更新记忆,而不是在每次聊天结束时立即更新。

聊天结束后,记忆可能不会立刻更新。 Codex 会等到 聊天空闲足够长的时间,以避免总结仍在 进行中的工作。

当你的 Codex 速率限制 剩余百分比低于配置阈值时,记忆生成也可能跳过一次后台处理,因此 Codex 不会在 你接近限制时消耗配额。

Codex 将记忆存储在你的 Codex 主目录下。默认情况下,这是 ~/.codex。请参阅 Config and state locations 了解 Codex 如何使用 CODEX_HOME

主要记忆文件位于 ~/.codex/memories/ 下,包括摘要、 持久条目、最近输入,以及来自先前聊天的支持证据。

将这些文件视为生成的状态。排查问题时 或共享你的 Codex 主目录前可以检查它们,但不要依赖手动编辑它们 作为主要控制方式。

在 ChatGPT 桌面应用和 Codex TUI中,使用 /memories 来控制当前聊天的记忆行为。 聊天级选项让你决定当前 聊天是否可以使用现有记忆,以及 Codex 是否可以使用该聊天来 生成未来记忆。

聊天级选项不会更改你的全局记忆设置。

不要在记忆中存储密钥。 Codex 会从生成的记忆 字段中遮盖密钥,但在共享你的 Codex 主 目录或生成的记忆产物前,仍应检查记忆文件。

本地 Codex 记忆默认关闭。在 ChatGPT 桌面应用中,打开 Settings > Personalization 并开启 Enable memories

对于基于配置的设置,将功能标志添加到 config.toml

[features]
memories = true

有关配置文件位置和记忆相关设置的完整列表,请参阅 Config basics 以及 configuration reference

常见的记忆专用设置包括:

  • memories.generate_memories:控制新创建的聊天是否可以 存储为记忆生成输入。
  • memories.use_memories:控制 Codex 是否将现有记忆注入 未来会话。
  • memories.disable_on_external_context:当 true时,将使用过 外部上下文(例如 MCP 工具调用、网页搜索或工具搜索)的聊天排除在 记忆生成之外。较旧的 memories.no_memories_if_mcp_or_web_search 键 仍可作为别名接受。
  • memories.min_rate_limit_remaining_percent:控制开始记忆生成前所需的最低剩余 Codex 速率限制百分比。
  • memories.extract_model:覆盖用于按聊天提取记忆的模型。 提取。
  • memories.consolidation_model:覆盖用于全局记忆 整合的模型。