（13421期）chatgpt-import – ChatGPT历史一键迁移搜索

ChatGPT历史一键迁移搜索 OpenClaw官方数据迁移工具，将ChatGPT对话历史转为可搜索的本地知识库，需上传至OpenAI API生成嵌入向量。 使用说明 核心用法 chatgpt-import 是 OpenClaw 生态专用的 ChatGPT 历史迁移工具，通过三步工作流实现对话数据的结构化导入：首先从 ChatGPT 导出 conversations.json 文件，随后使用 Python 脚本将 JSON 转换为 Markdown 格式（支持 --min-messages 过滤无效对话），最后调用 OpenAI Embedding API 生成向量并写入 SQLite 数据库。完成后的数据库通过 OpenClaw 配置文件的 memorySearch.extraPaths 字段接入，重启网关即可实现历史对话的全文检索。 显著优点 该工具设计简洁且高度透明：纯 Python 标准库实现，零第三方依赖，彻底杜绝供应链攻击风险；代码完全开源可审计，所有文件操作均带安全边界（如禁止覆盖现有数据库）；成本控制精准，2400 条对话仅需约 0.15 美元；输出格式为标准 SQLite，便于二次开发与跨平台迁移。文档层面，SKILL.md 对 API 成本、数据上传风险、密钥管理均有明确警示，体现负责任的安全披露态度。 潜在缺点与局限性 核心局限在于强制依赖 OpenAI 云端服务：对话内容必须离开本地环境传输至 api.openai.com，对含敏感信息的场景构成合规障碍；无本地嵌入模型替代方案，隐私敏感用户无法完全自主控制数据；缺乏内置的敏感信息扫描机制，需用户手动预处理；批量嵌入过程受限于 OpenAI API 速率限制，大规模历史导入可能耗时较长；此外，嵌入模型选择受限（仅支持 OpenAI 指定模型），无法灵活切换至开源替代方案。 适合的目标群体 OpenClaw 深度用户：希望统一检索 ChatGPT 历史与新对话的进阶用户 个人知识管理爱好者：构建可搜索的 AI 对话存档，形成第二大脑 非敏感场景迁移需求：日常咨询、学习笔记、公开技术讨论等低隐私风险内容 成本敏感型开发者：需低成本实现对话数据向量化的独立开发者 使用风险 数据隐私风险：对话内容上传至 OpenAI，需遵守其数据保留政策，企业机密、医疗记录、金融数据等严禁导入 API 密钥泄露：密钥通过环境变量或命令行传递，多用户服务器场景存在泄露可能 嵌入成本累积：超大规模历史（数万条对话）可能产生意外费用 服务依赖风险：OpenAI API 可用性直接影响功能，无离线降级方案 格式兼容性：未来 ChatGPT 导出格式变更可能导致脚本失效，需关注上游更新 原始说明 Import and embed ChatGPT conversation history into OpenClaw's memory search database for easy archival and retrieval of past chats.