ChatGPT Import 是一个专为开发者设计的工具，用于将 ChatGPT 的对话记录导入 OpenClaw 记忆搜索库中。通过这一流程，用户可以将历史聊天内容转化为可检索的结构化数据，极大提升对过往对话的归档与管理效率。该工具的核心价值在于打通了 AI 生成内容与本地知识库之间的壁垒，使得原本分散在云端聊天记录中的信息能够被系统化地组织和调用。整个导入过程无需复杂配置，仅需几步即可完成从导出到嵌入的全链路操作。 使用 ChatGPT Import 前，用户需先从 ChatGPT 平台导出自己的对话数据，通常以 `conversations.json` 格式保存。随后通过一个 Python 脚本将其转换为更易处理的 Markdown 文件，并过滤掉无意义的短对话（如仅包含一两轮消息的交流）。最后，借助 OpenAI 的文本嵌入 API，将这些转换后的内容批量编码为向量形式并存储于 SQLite 数据库中。整个过程完全自动化，支持自定义参数如批处理大小、并发线程数等，以适应不同规模的数据集。 值得注意的是，该工具依赖 OpenAI 的 API 服务进行语义向量化，因此需要有效的 API 密钥才能运行。虽然每次嵌入会产生少量费用（例如约 2400 条对话花费不到 0.15 美元），但整体成本极低。此外，系统不会持久化用户的 API 密钥或敏感信息，保障了基本的安全性。所有生成的数据库文件均可作为 OpenClaw 的额外搜索路径加载，实现跨源语义检索功能。
核心功能特点
- 支持从 ChatGPT 导出原始对话数据并自动解析为结构化文本
- 提供 JSON 到 Markdown 的格式转换脚本，便于后续处理
- 内置过滤机制，可跳过少于设定轮次的无效对话以提升质量
- 利用 OpenAI 文本嵌入模型将聊天内容转为向量存入 SQLite 数据库
- 支持批量处理和并行计算，优化大规模数据导入性能
- 生成的数据库可直接集成至 OpenClaw 记忆搜索系统中
适用场景
ChatGPT Import 最适用于希望长期保存并利用过往 AI 对话内容的个人开发者或研究团队。例如，在进行自然语言处理项目时，工程师常常需要回顾之前与 ChatGPT 讨论过的技术方案、代码片段或设计思路。若这些对话未被妥善归档，则可能因时间推移而难以查找。通过此工具，用户可将所有相关对话集中存储于本地数据库，并通过 OpenClaw 提供的语义搜索能力快速定位特定主题或关键词对应的上下文片段。 另一个典型应用场景是知识管理。对于经常使用 ChatGPT 辅助写作、学习或创意工作的用户来说，每一次交互都可能产生有价值的信息。然而，默认情况下这些内容仅保留在网页端，缺乏组织性和可搜索性。借助 ChatGPT Import，用户能够构建一个私有的“第二大脑”，把日常与 AI 的协作成果沉淀下来，形成持续积累的知识资产。未来无论是撰写报告、准备面试还是开发新功能，都能迅速回溯历史对话中的关键洞察。 此外，该工具也适合教育机构或企业内部部署类似 OpenClaw 的问答系统。当员工频繁使用 ChatGPT 解决工作问题却未留下记录时，容易造成经验流失。通过定期导入并索引这些对话，企业可以训练出更贴合自身业务场景的智能助手，同时确保合规性与可追溯性。总之，任何重视历史对话价值、追求高效信息检索与再利用的用户都将从中受益。