一句话总结
你让 ChatGPT “记住”的笔记，往往一天之内就消失在对话历史里。解法是：一份 Markdown 文件（research-log.md），把它放进 ChatGPT 的 Project，每读完一批资料就重新上传一次，下次再喂回模型。Project 负责跨对话保留记忆，文件负责给 ChatGPT 一个能反复重读的稳定事实来源。下面是完整闭环、各档套餐的文件上限（2026 年 6 月），以及那些会悄悄破坏复利的坑。
为什么对话历史是放笔记的错地方
普通的 ChatGPT 对话窗口对做研究来说是条死路，原因有两个：
- 上下文窗口是有限的。 GPT-5.5 Instant 在 Plus 和 Business 上大约携带 32K token 的上下文；GPT-5.5 Thinking 手动选中后可达约 256K token。听起来很大，但一条长长的文献综述对话很快就会超出去，一旦超了，模型会在对话中途悄悄忘掉你最早读的那几份资料。
- 对话之间互不通气。 你周一对话里记的笔记，周四那条对话完全看不见。除非所有来源都放在一处可重读的地方，否则跨来源的综合无从谈起。
ChatGPT 的 Project 解决第二个问题（它把记忆和文件都锁定在同一个研究话题里），一份上传的文件解决第一个问题（模型重读它，而不是依赖那个不断往后滚、把旧内容挤出去的窗口）。
开始前你需要什么
- 一个 ChatGPT 账号。截至 2026 年 6 月，Projects 在 Free、Go（$8）、Plus（$20）、Pro（$100/$200） 上都可用——Projects 在 2026 年初已对免费用户开放。
- 一份纯文本或 Markdown 文件，当作你的主日志：
research-log.md。 - 一个来源足够多的话题（每周 3 份以上论文或报告），复利才划算。如果只是想总结一篇论文，跳过这一整套，直接把 PDF 丢进一条对话即可。
完整闭环，一步一步来
- 一个研究话题建一个 Project。 用问题命名，而不是用领域（“间隔重复对成人二语词汇有帮助吗？“好过”语言学习”）。把
research-log.md作为锚点文件加进 Project。 - 每来一个新来源，就在这个 Project 里开一条新对话。 粘上来源（PDF、链接或摘录），再加一句目的：“我在判断这份资料是支持还是削弱了间隔重复的说法。”
- 要的是结构化提取，不是总结。 让 ChatGPT 返回：(1) 一段话的口语化总结，(2) 三条关键主张，写成带页码的原文引语，(3) 这份来源提出的一两个开放问题，(4) 一段话，说明它与日志里已有内容如何连接或矛盾。
- 把这一块粘进
research-log.md，加一行表头：日期、来源出处、一个短标签（#间隔重复、#与Rivera矛盾）。 - 把
research-log.md重新上传到 Project，替换掉旧的那份。这一步最容易被忘——Project 缓存的是你上传过的版本，而不是你硬盘上的文件。不重传，下周的对话就会基于过期笔记推理。 - 每周做一次综合扫描。 每周问一次：“基于 research-log.md，哪些主题在各来源里反复出现？矛盾在哪？我还缺哪些视角？” 用答案来定接下来读什么。
回报大概在第三周显现。那时日志里已有十来条提取，ChatGPT 能指出：你第一周读的那篇，悄悄和第三周那篇相矛盾——这种连接，光靠脑子是绝对想不起来的。
你真正会撞到的各档上限（2026 年 6 月）
真正卡你的，不是上下文窗口，而是一个 Project 能放多少文件、你能多频繁地重传。以下为 OpenAI 现行数据：
| 上限 | Free | Plus（$20） | Pro / Business / Enterprise |
|---|---|---|---|
| 每个 Project 的文件数 | 5 | 25 | 40 |
| 单文件最大体积 | 512 MB | 512 MB | 512 MB |
| 单个文本/文档文件的 token 上限 | 2M | 2M | 2M |
| 单条消息可附文件数 | 20 | 20 | 20 |
| 上传频率 | 约 80 个 / 3 小时 | 约 80 个 / 3 小时 | 约 80 个 / 3 小时 |
存储空间在所有对话、Projects 和自定义 GPT 之间共享：每用户 25 GB，每组织 100 GB。一份 research-log.md 永远碰不到体积上限——真正的天花板是每个 Project 的文件数，这也是为什么在 Free 和 Plus 上，一份主日志胜过”一来源一文件”。上限会变，批量上传前请在 OpenAI 的文件上传 FAQ 上确认你自己的额度。
会悄悄破坏复利的坑
- 把每条对话当孤立的。 如果你从不重传日志，每条对话都从零开始，整套体系就退化成普通做笔记。
- 大改之后忘了重传。 Project 会继续基于缓存的旧版推理。如果 ChatGPT”漏掉”了一个你明明加过的来源，几乎都是这个原因。
- 写转述而不抄原文。 转述丢精度，原文也找不回。一开始就连页码一起逐字抄下引语。
- 让一份日志涨到 50 页还毫无结构。 超过约 20 页就按子主题拆（
theme-a-log.md、theme-b-log.md），每份顶部放一个索引。在 Free 的 5 文件上限下，则要狠心精简而不是拆分。
进阶技巧
- 把引语标记清楚。 用 Markdown 引用块（
>），别让 ChatGPT 在综合时把来源的话和你自己的评论搞混。 - 开启 Project 独立记忆。 Projects 在 2026 年加入了按项目的记忆开关——把研究 Project 的记忆隔离开，别让无关对话污染你的综合。
- 配一个真正的 PKM 工具。 ChatGPT 负责综合和找矛盾，Obsidian 或 Notion 负责长期归档。把 ChatGPT 日志当作工作缓冲区，而不是最终存档。
- 按任务选对模型。 每周的综合扫描用 GPT-5.5 Thinking（上下文大得多，约 256K token），单来源的快速提取用 Instant。
可直接复制的提取 Prompt
来源：[在此粘贴内容或链接]
用 Markdown 提取：
1. 一段话的口语化总结。
2. 三条关键主张，写成带页码的原文引语。
3. 这份来源提出的一两个开放问题。
4. 一段话：它与 research-log.md 里其余内容如何连接或矛盾。
这一块以一行表头开头：日期、来源出处、一个短标签。FAQ
为什么不直接用 ChatGPT Memory，而要用文件？ Memory 是为偏好和反复出现的上下文设计的，不是为结构化研究笔记。它的总结不稳定，而且你无法核查它到底记住了什么。重新上传的文件是稳定、可检视的事实来源——你永远清楚 ChatGPT 正在基于什么推理。
research-log.md 能多大，ChatGPT 才会跟丢？ 文本文件上限是 2M token，所以体积很少成为问题。实际准确度会更早下滑：混合来源超过约 20 页后，检索就开始模糊。在那之前按子主题拆分，并用 GPT-5.5 Thinking 跑综合，借它更大的上下文。
我需要 Plus 吗，还是 Free 就够？ 小规模综述用 Free 没问题——它每个 Project 限 5 个文件，所以全部塞进一份日志里。Plus 把上限提到 25 个文件，还给你 GPT-5.5 Thinking 做综合，来源一多就用得上。
为什么要重传文件，而不是在 ChatGPT 里直接编辑？ Project 存的是你上传的那份副本；你在自己机器上做的修改不会自动同步。重传就是那个明确的”提交”动作，让模型看到的内容始终是最新的。