近日，OpenAI 正在测试一项全新的 ChatGPT 功能，将记忆功能与搜索能力相结合。这一尚未公开的功能已在 macOS 应用程序中进行测试。一旦启用，ChatGPT 将能够利用存储的用户记忆，提供更加个性化和高效的搜索结果。
该功能允许 ChatGPT 根据用户的过往互动，检索相关信息并生成量身定制的回答。例如，用户可以要求 ChatGPT 搜索与自己相关的具体内容，而系统会从其记忆中提取数据，提供更加贴合用户需求的回复。这种设计旨在提升用户体验的个性化水平，进一步拓展 ChatGPT 在个人和专业领域的应用潜力。
值得注意的是，这项功能类似于网页浏览中的 “Cookie” 技术，通过存储用户数据实现内容个性化。然而，这也引发了关于隐私和定向广告的潜在担忧，特别是在 AI 驱动系统中如何平衡个性化与数据安全的问题上。
以上测试来自 X 用户：TestingCatalog News目前，该功能尚未向公众开放，但部分测试用户已表示功能运行良好。无论如何这一开发预示着 ChatGPT 在智能化和个性化方面迈出了重要一步。
Anthropic 在发布新 Claude 模型前，通过头部客户极限测试验证真实业务表现，比单纯跑分更具参考价值。借助 Agent 能力，新模型在起草法律文件等复杂任务中成功率提升约 20%，实现持续准确输出。当前大模型发展重心已转向 Agent 在垂直场景的落地，边缘案例为下一代优化指明方向。这种与客户深度共创的模式建立了高信任壁垒，值得产品团队借鉴。
Anthropic 发布 Claude Opus 4.8，在基准测试中超越 ChatGPT 5.5，重夺编程领域领先地位。新版本核心亮点为动态工作流与 Ultracode 模式，通过多智能体协同大幅提升复杂任务开发效率，同时幻觉率降至四分之一。得益于算力扩充，其性能提升且价格下调，快速模式费用降至三分之一。建议开发者日常使用常规上下文模式并调高努力程度，大项目再开至最大。此外，AI 时代专注力仍是拉开差距的关键。
AI 技术博主 Alex Finn 提出利用免费工具 Linear 将 Claude Code 转化为自主智能体的工作流。该方案要求先将项目拆解为带优先级和验收标准的任务（Issue）录入 Linear，随后 AI 可自动领取任务、编写代码、执行测试并更新状态，全程无需人工干预。此模式有效解决了传统氛围编程中指令中断或偏离的问题，通过 Linear 作为“第二大脑”提供结构化上下文，显著提升产出质量。此外，该流程支持跨设备多智能体协同及 Git 分支管理，配合 Slack 通知实现高效团队协作。
围绕《OpenAI 的新 ChatGPT 功能将记忆与搜索功能相结合》展开交流，未登录用户可浏览评论，登录后可参与讨论。