ChatGPT

核心摘要 Simon Willison 近期详细探讨了如何将自定义模型上下文协议（MCP）服务器集成到 Claude 和 ChatGPT 的标准聊天界面中，揭示了从封闭生态向“本地优先”可扩展 AI 架构演进的关键路径。 ▶ MCP 协议的标准地位：MCP 正在迅速成为大语言模型（LLM）的“USB 接口”，通过统一协议解决模型访问本地数据和工具的碎片化问题。 ▶ 跨平台兼容性现状：虽然 Claude Desktop 已提供原生 MCP 支持，但 ChatGPT 仍需依赖 mcp-bridge 等中间件将 MCP 转换为 OpenAI 的 Tool-calling 格式，显示出协议竞争的代差。 ▶ 本地数据主权的回归：通过 MCP，用户无需将敏感数据上传至云端即可实现复杂的 RAG（检索增强生成）和自动化任务，重塑了企业级 AI 的安全边界。 八卦洞察 在「八卦智库」看来，MCP 的兴起标志着 AI 交互层从“模型为中心”向“上下文为中心”的战略转移。Anthropic 开源 MCP 并非单纯的技术贡献，而是一次精明的“特洛伊木马”行动：通过定义连接标准，Anthropic 试图在操作系统级别拦截用户流量，削弱 OpenAI 在插件生态中的先发优势。目前 ChatGPT 接入 MCP 的繁琐过程，反映了 OpenAI 在协议开放性上的迟疑。然而，随着开发者社区对“一次编写，到处运行”工具集的渴望，MCP 有望迫使所有主流模型厂商进入“协议兼容”时代，最终将 LLM 降级为可插拔的计算引擎，而真正的护城河将转移到 MCP 支撑的私有数据生态中。 行动建议 开发者端：停止开发模型特定的专属插件，全面转向 MCP 标准。利用 mcp-bridge 等工具实现一套代码同时服务 Claude、ChatGPT 及本地 IDE（如 Cursor）。 企业端：评估内部工具的 MCP 化改造。与其构建复杂的自定义 RAG 系统，不如通过 MCP 服务器暴露数据库接口，利用现有的成熟客户端（如 Claude Desktop）快速构建 AI 工作流。 个人用户：关注 mcp-get 等包管理工具，开始构建个人的“本地知识库+模型”闭环，减少对云端全托管服务的过度依赖。

事件核心 OpenAI 正式为 ChatGPT 引入“记忆”（Memory）功能，旨在打破大模型对话的“瞬时性”限制。该功能允许 ChatGPT 在不同对话窗口之间保留用户的偏好、背景信息及特定指令。与以往依赖用户手动输入“自定义指令”（Custom Instructions）不同，记忆功能具备主动学习能力，能根据交流过程自动沉淀关键信息，从而在未来的交互中提供更具个性化和上下文相关性的回复。 技术/商业细节 主动与被动双模态： 用户可以直接要求 ChatGPT “记住某事”（如：我以后所有的周报都要用简洁的 Bullet Points 格式），也可以让模型在对话中自然捕捉信息（如：提到自己有一个正在学习编程的孩子）。 控制权与隐私： OpenAI 提供了精细化的管理工具。用户可以查看、删除特定记忆，或在设置中完全关闭该功能。此外，“临时聊天”（Temporary Chat）模式允许用户在不产生记忆、不使用历史记录的情况下进行对话。 GPTs 的独立记忆： 每一个定制化的 GPT 都有其独立的记忆系统。例如，一个专门用于书籍推荐的 GPT 会记住用户读过的书和口味偏好，而这些信息不会泄露给其他 GPT 或主模型。 企业级应用： 对于 Team 和 Enterprise 用户，记忆功能将极大提升协作效率。模型可以记住企业的品牌调性、代码规范或特定的汇报格式，减少重复性输入。 八卦分析：全球影响 从「八卦洞察」的角度看，OpenAI 此举并非简单的功能升级，而是其构建“个人 AI 操作系统”战略的关键一步。长期以来，LLM 被视为“无状态”的计算引擎，而记忆功能的加入使其具备了“状态”。 首先，这是对 RAG（检索增强生成）技术在消费端的一次降维打击。以往开发者需要通过复杂的向量数据库为 AI 增加长期记忆，现在 OpenAI 将其原生化，极大地提高了用户粘性。一旦用户在 ChatGPT 中沉淀了大量的个人偏好和工作习惯，迁移成本将呈指数级上升，这构成了极强的竞争护城河。 其次，这标志着 AI 从“搜索引擎替代品”向“智能代理（Agent）”的演进。真正的代理需要理解用户的意图连续性。OpenAI 正在通过这种方式，让 ChatGPT 逐渐理解“你是谁”，从而在未来的多模态交互中提供更加精准的预测性服务。 战略建议 对于个人用户： 建议有意识地通过“显性指令”训练 ChatGPT 的记忆，构建属于自己的私有知识基座，将其从通用工具转化为深度定制的私人秘书。 对于开发者与初创公司： 警惕 OpenAI 的功能垂直化。如果你的产品核心价值仅仅是“记住用户偏好”，那么该护城河已不复存在。应转向更深层的业务逻辑集成或垂直行业数据的深度挖掘。 对于企业决策者： 在开启企业级记忆功能前，需重新评估数据治理政策。虽然 OpenAI 承诺企业数据不用于训练，但“记忆”本身就是一种敏感数据的聚合，需建立相应的审计机制。