OpenAI 推出 ChatGPT Computer History，以在 Mac 应用之间记住工作内容

Why it matters

Computer History gives OpenAI a persistent source of context beyond chats and uploads. That can make ChatGPT more useful at work, while forcing users and employers to decide how much desktop activity an AI assistant should retain.

OpenAI (@OpenAI) 在周四推出了 Computer History，这是一个可选择开启的 ChatGPT 功能，它会记住用户在 Mac 上跨应用和网站的活动，并在后续对话中利用这些记录。

该功能正通过 ChatGPT desktop app 向 Pro、Business 和 Enterprise 订阅者在全球范围内推出。OpenAI 表示，欧洲经济区、英国和瑞士的可用性将在未来几周内随之推出。用户可在 设置 > 集成 下启用 Computer History。

Computer History 为 ChatGPT 提供了一个持续记录用户在聊天窗口之外所做事情的记录。OpenAI 表示，该功能可以使用这些记录来个性化后续交互，并减少用户必须重复提供的背景信息。时间线让用户可以查看之前的工作，同时 ChatGPT 可以围绕它经常看到的任务构建技能。

OpenAI 将 Computer History 描述为 Chronicle 的扩展——Chronicle 是早先的一个研究预览，使用最近的屏幕上下文帮助 ChatGPT 创建记忆。OpenAI 表示，新实现减少了 token 的使用并增加了隐私控制，尽管其公告并未量化 token 减少的程度或描述活动记录背后的存储架构。

从对话记忆到计算机记忆

当启用相关设置时，ChatGPT 已经会使用已保存的记忆和先前的对话来保留偏好和个人信息。Computer History 扩大了输入范围：助理现在可以从跨桌面软件和网站进行的工作中推导出上下文，而不必等待用户手动输入或上传。

这一变化解决了 AI 助手的一个反复出现的限制。模型在获得正确上下文后可以产出有用的工作成果，但收集这些上下文通常需要复制文档、描述早期决策、列出相关工具并解释当前提示之前发生的事情。Computer History 的设计旨在持续执行其中一部分收集工作。

由此产生的时间线也为 OpenAI 提供了一种将被动观察转化为明确工作流的方法。经常在浏览器、文档编辑器和项目软件之间来回切换的用户，可以要求 ChatGPT 回忆早期的工作或基于该例行任务构建技能。OpenAI 尚未详细说明哪些应用会获得更深入的集成、时间线可以回溯多远，或保留期限是否会因订阅或工作区而异。

Computer History 的推出正值 OpenAI 在单一桌面客户端中加入更多代理功能之时。今年七月，OpenAI 在其新的 macOS 和 Windows 应用中 combined Chat, Work, and Codex。Work 可以在获得许可的情况下使用本地文件和桌面应用，而 Codex 负责软件开发任务。Computer History 提供持久上下文，可以使这些工具在每次任务开始时不那么依赖新的简报。

隐私控制成为产品的一部分

屏幕活动可能包含凭证、私人信息、客户信息、健康数据、财务记录以及公司的机密材料。因此，Computer History 要求用户选择加入，而不是默认激活。OpenAI 表示用户可以通过时间线查看他们的活动，并可从时间线或菜单栏管理该功能。

这些控制对于 Business 和 Enterprise 部署尤为重要。一个记住跨应用工作的系统可以为员工节省时间，但它也创造了一类新的组织性保留上下文。评估该功能的公司将需要明确答案：捕获了什么、在哪里处理、保留多长时间，以及管理员可以强制执行哪些工作区策略。

此次仅在 Mac 上推出使 OpenAI 在更有限的环境中测试这一平衡更为可控。根据 OpenAI 的 desktop documentation，当前的 ChatGPT 桌面应用支持 macOS 和 Windows，但周四的 Computer History 推出仅适用于 Mac。OpenAI 未给出 Windows 的发布日期。

最初的订阅者名单也排除了 ChatGPT Plus、Free、Go 和 Education 用户。从 Pro 和面向工作场所的计划开始，将推广集中在最有可能在整个工作日中使用 ChatGPT 的人群中——在这些场景中，持久的计算机上下文具有最明显的即时价值和最高的隐私风险。