本期看点

• Dreaming 是一套后台记忆巩固系统：趁你离线时跨多次对话做合并、去旧、解矛盾，给你一份梳理过的最新档案，而不是一堆原始笔记。
• 它和旧记忆的根本区别：旧版是被动存片段（你说记它才记，调用时检索原始笔记）；新版是主动合成状态（自己捞、自己整理、自动随时间更新）。
• 「做梦」的类比不是营销噱头：人睡觉时大脑把白天的经历巩固进长期记忆，Dreaming 干的是同一件事的工程版——在空闲算力里离线整理。
• OpenAI 配了三个用户可见的控制面：一份可读的记忆总结页、可增删可纠正的条目、以及「哪些话题该提、什么时候提」的设置。记忆变主动了，可控性必须跟上。
• 首发美国 Plus / Pro 用户，未来几周扩到免费层和更多国家；Plus / Pro 的记忆容量翻倍。

Dreaming 不是存笔记，是趁你不在时整理笔记

先把机制讲清楚，因为这是整件事的关键。

旧的 ChatGPT 记忆是这样的：你说「记住我是素食者」，它就在一个列表里加一条「用户是素食者」。下次对话需要时，它把这条原始笔记检索出来塞进上下文。本质是一个存原始片段 + 用时检索的系统——技术上叫 RAG（检索增强生成），存了一堆碎片，要用的时候按相关度捞出来。

这套打法在用户少、对话短的时候够用。但 ChatGPT 现在月活过十亿，很多人用了一两年。问题就暴露出来：笔记越攒越多，互相打架（你三月说要去新加坡，七月已经回来了，那条笔记还写着「将要去」），过时的、重复的、矛盾的堆在一起，检索出来的东西又旧又乱。OpenAI 把这叫「记忆服务上亿用户、跨越多年时，会出现的陈旧和规模化问题」。

Dreaming 换了个思路。它不在你说话的那一刻死记，而是在后台跑一个巩固流程：把已有记忆加上最近几次对话的记录一起扫一遍，删掉过时的、对齐矛盾的、合并重复的、把时间引用归一化，再把模式提炼成更干净的话题档案。用 OpenAI 的描述，它「从许多次过去对话里合成出上下文」，维持一份关于你的偏好、项目、约束的共享认知。

一个具体例子最能说明差别：你跟 ChatGPT 说「我七月要去新加坡」，旧系统会一直存着这句话；Dreaming 会在七月过去之后，自己把这条记忆从「你将要去新加坡」改写成「你 2026 年七月去了新加坡」。它不只是记住，它让记忆随时间自己变正确。这是被动笔记本永远做不到的——笔记本不会自己改写已经写下的字。

为什么叫「做梦」：这是睡眠固化记忆的工程翻版

这个命名值得停下来看一眼，因为它不是随便取的市场词。

人为什么要睡觉，神经科学有一个被反复验证的答案：睡眠期间，大脑把白天经历的零散片段重新激活、筛选、巩固进长期记忆——重要的留下，无关的淡化，相互关联的连成网。你白天经历一切是「在线」，晚上整理这一切是「离线」。记忆不是在经历的当下就固化的，是在事后、在你不再接收新信息的安静时段里固化的。

Dreaming 抄的就是这套架构。ChatGPT 跟你对话是「在线」，它没空也不该在每句话之间停下来做大规模整理——那既慢又费算力。真正的整理放到「离线」：你关掉窗口、它空闲的时候，用相对便宜的后台算力把这段时间攒下的对话巩固一遍。OpenAI 强调新架构「更省算力」，正是因为把重活挪到了离线、挪到了批量。

这套设计其实不新鲜，新鲜的是它被装进了一个十亿用户的消费产品。在我自己拆过的 Claude Code 记忆架构里，第六层就叫 [[autodream]]——空闲时跑一个四阶段的记忆巩固。两家顶级实验室在记忆这件事上不约而同地走向「离线巩固」，说明这不是某家的小聪明，是给 AI 装长期记忆这道题的标准答案：在线管对话，离线管记忆。

记忆越主动，可控性越要跟上

把记忆从「你明说才记」变成「它自己捞、自己整理」，能力上去了，风险也上去了。一个会自己合成你画像的系统，如果你看不见它记了什么、改不动它的判断，那就是个黑箱。OpenAI 这次的产品设计，重点几乎一半在控制面上。

它给了三个用户可见的东西。第一，一份可读的记忆总结页——你能直接看到 ChatGPT 关于你合成出了什么，不是一堆代码，是人能读懂的话。第二，可增删可纠正——它推断错了，你能改；你想加一条，也能加。第三，话题设置——你能决定哪些话题它该主动提、什么时候提。入口在「设置 → 个性化 → 记忆」里。

还有几个细节透着克制。有个「别再提这个」的选项，它会把相关引用藏起来，但底层数据不删——区分「不想看到」和「彻底抹除」，这两件事用户的诉求其实不一样。想完全不留痕，可以整个关掉记忆，或者用临时对话（Temporary Chat）开一次性会话。OpenAI 反复强调这套能力是「可审阅的」，把个性化和用户控制绑在一起。

这背后是一个产品判断：记忆越主动，用户对「失控」的恐惧越强。一个被动笔记本，记错了顶多没用；一个主动给你画像、还会自己改写的系统，记错了或越界了，伤的是信任。所以可控性不是合规附加项，是这类功能能不能被用户接受的前提。

对从业者意味着什么

第一，记忆机制直接决定 AI 助手的粘性，它正在变成真正的护城河。模型能力在趋同——换个模型越来越只是改个 API 地址。但你在一个产品里攒了两年的记忆，换不走。OpenAI 给 Plus / Pro 用户记忆容量翻倍，本质是在加深这条护城河：你记忆越厚，离开的成本越高。做 AI 产品的人要想清楚，你真正锁住用户的东西，可能不是模型，是记忆。

第二，做记忆要先想清三件事：怎么存、谁来整、用户怎么控。Dreaming 给了一个可抄的范式——在线只管对话，离线批量巩固（省算力、不卡对话）；存的不是原始片段，是合成后的状态（随时间自动纠正）；控制面要让用户看得见、改得动、关得掉。这三件事缺一个，要么贵、要么乱、要么没人敢用。尤其「离线巩固」这一招，是把记忆做大又不做爆算力的关键，值得任何做长期记忆的团队照着想。

第三，记忆归属是个战略问题，不只是技术问题。当 OpenAI、Anthropic 都把记忆做进自家产品和 API 后面，记忆就成了平台主权的一部分——用户的记忆在谁手里，谁就握着切换成本。做应用层的团队尤其要警惕：如果你的产品记忆全靠模型厂商那一层，你等于把最硬的护城河让给了上游。怎么把记忆握在自己手里，是 agent 时代绕不开的一道题。

关键词

• Dreaming（做梦）：OpenAI 给 ChatGPT 的后台记忆巩固系统，趁用户离线时跨多次对话合并、去旧、解矛盾，合成一份梳理过的最新用户档案。
• 记忆巩固（memory consolidation）：把零散的新信息整理进结构化长期记忆的过程，借自神经科学——人睡眠时大脑做的就是这件事。
• RAG（检索增强生成）：存一堆原始片段、用时按相关度检索出来塞进上下文的做法，旧版 ChatGPT 记忆走的就是这条路；缺点是片段会过时、矛盾、越攒越乱。
• 状态合成 vs 片段存储：新记忆存的是「整理后的你」（一份会自动更新的画像），旧记忆存的是「你说过的话」（一堆原始笔记）。前者更准、更省、但更要可控。
• 临时对话（Temporary Chat）：一次性会话，不写入记忆、不留痕，适合不想被记住的场景。

引用

1. OpenAI，《Dreaming: Better memory for a more helpful ChatGPT》。https://openai.com/index/chatgpt-memory-dreaming/ 原文要点（译）：「Dreaming 利用一个后台流程，让 ChatGPT 从许多次对话中学习、合成它的记忆状态，从而始终为你的对话提供最新鲜、最相关的上下文。」旧记忆被形容为「像在跟一个记了几条笔记、但没写下来的全忘了的人说话」。
2. 温度示例（译）：「记忆会随时间自动更新——当你的旅程结束，ChatGPT 会把『你七月要去新加坡』改写成『你 2026 年七月去了新加坡』。」（综合多家报道交叉核实：startupfortune、dataconomy、9to5Mac）
3. 用户控制面与可控性：记忆总结页、可增删纠正的条目、话题提醒设置；「别再提这个」隐藏引用但不删底层数据；可整体关闭或用临时对话。入口「设置 → 个性化 → 记忆」。（findskill.ai 整理，交叉核实 OpenAI 官方描述）
4. 规模背景：ChatGPT 月活已过十亿；本次首发美国 Plus / Pro，未来几周扩至免费层与更多国家，Plus / Pro 记忆容量翻倍。（resultsense、techtimes、androidheadlines 交叉核实）
5. 行业呼应：同周 Andrej Karpathy 的 llm-wiki（给模型外挂可持续增长的知识库）；自家 [[memory-as-moat]]（记忆作为护城河）与 [[autodream]]（空闲时离线记忆巩固）。