ChatGPT 正在偷偷给你画像，用这段提示词让它交出来

你可能觉得只是和ChatGPT随意聊聊天，但它或许已经在暗中为你构建用户画像。

你的职业、日常习惯，甚至你的渴望与担忧，都可能被记录在它的记忆系统中。而很多时候，你并未主动要求它记住这些内容。

前一段时间，一篇被顶级会议ACM Web Conference 2026收录的论文《The Algorithmic Self-Portrait: Deconstructing Memory in ChatGPT》，借助GDPR赋予用户的数据访问权限，从80位真实用户那里获取了他们完整的ChatGPT对话历史，以及系统为他们保存的全部记忆，其中包括1058段对话、22971次交互和2050条记忆条目。

ChatGPT、Gemini、Claude这类对话式AI都采用了“记忆”机制来存储用户信息，从而实现个性化服务。这项研究首次从外部揭示了AI的记忆黑箱——AI不仅记录我们的话语，还在推测我们的身份。

研究者将这套记忆系统称为“算法自画像”，即算法根据用户在私下对话中透露的自我信息，勾勒出的用户画像。

他们通过回答以下问题来阐释AI的记忆机制：谁在主导记忆的形成？记忆里包含了什么？记忆是否如实反映了对话？能否通过逆向工程降低隐私风险？

96%的记忆由系统单方面添加

在OpenAI的官方文档中，记忆功能被描述为相当克制：用户可以查看、修改或删除自己的记忆；整个系统也被训练为“不会主动记录敏感信息，除非用户明确要求”。

然而，在这篇论文中，研究者使用触发词（如remember、note that、save、forget等）逐条检测了2050条记忆对应的用户指令，结果发现只有4.1%（84条）是用户明确要求记录的；其余95.9%都是ChatGPT自行判断“对后续对话有用”后单方面写入的。

尽管如此，这种做法实际上并未违反OpenAI自身公布的政策，因为记忆文档中已写明，允许ChatGPT保存它认为“有用”的信息。

但实际存在的问题是，文档中强调的用户参与，与现实中ChatGPT主导记忆形成之间，存在明显落差。

我们对AI记忆形成的影响力，只能通过“说什么”间接实现，而非直接控制“记什么”。

记录的不只是个人信息，还有欲望与恐惧

研究者依据GDPR第4(1)条（个人数据）和第9(1)条（特殊类别个人数据）的定义，对所有记忆进行了分类，结果与OpenAI“不主动记录敏感信息”的承诺形成鲜明对比。

• 28%的记忆包含GDPR定义的个人数据，其中姓名出现在41%的条目中；
• 7%的记忆包含特殊类别数据，其中健康信息占61%；
• 此外，91%的参与者被记录了个人数据，35%的参与者被记录了健康相关信息。

更有趣的是，研究者借用心理学中的“心理理论”框架，发现52%的记忆包含对用户心理状态的推断，涉及欲望、意图、情绪、信念、知识等方面。

而ChatGPT有明显偏好：欲望（73%）和意图（16%）这类相对稳定的人格特征合计占比近九成，情绪、感知等瞬时状态仅占两成。

论文中还举例说明了ChatGPT的记录方式，例如一条记忆写着“某某对失败有恐惧，尤其涉及重大职业决策”。这已超出我们说过什么的事实记录，更多是AI对“你是什么样的人”做出的判断。

用人格心理学的语言来说，传统平台描绘的是我们的行为轮廓——我们做了什么；而ChatGPT描绘的是我们的“特征性适应”——“我们是谁”。

对于记忆而言，一幅不准确的画像比没有画像更危险。ChatGPT可能基于错误的你，持续影响后续每一次对话。

研究者通过字符串匹配、语义嵌入和GPT-4o五点量表三种方法验证了记忆的溯源：84%的记忆能在用户的完整对话历史中找到直接文本依据，77%被评为“直接陈述”或“转述总结”，明确“无依据或矛盾”的仅有4%。

很明显，这些数据大多数时候既准确又全面，甚至我们自己都不知道它曾记录过。

逆向记忆生成工程

既然ChatGPT会暗中记录我们的信息，那么能否开发一个工具来帮助我们防范它？

研究者使用三个开源模型（Qwen2.5-32B、Gemma3-27B、GPT-OSS-20B），通过微调和上下文学习，成功模拟了ChatGPT的记忆提取过程，预测出的记忆与真实记忆的语义相似度达到约60%至70%。

接着，他们用复制品测试：如果ChatGPT把所有对话都记录下来会怎样？结果发现，敏感信息占比将从28%升至31%至35%，心理推断从52%升至55%至59%。

在这个“复刻版记忆提取器”基础上，他们搭建了Attribution Shield（归因护盾）：在用户按下回车之前，系统会预判当前问题可能触发哪些敏感记忆，发出预警，并提供一份“去身份化”的改写版本。

例如，“我真的需要戒掉大麻”（第一人称+自我承认→可能被记录为“用户在使用大麻”），因此需要将“我真的需要戒烟吗”改写成“戒烟有哪些策略？”。

评测结果显示，94%至100%的改写查询显著降低了个人归因，同时87%至91%的改写保持了回答的实用度不变。

隐私保护与对话质量之间，并非非此即彼的关系。保护用户的“算法肖像权”，在技术上是可行的。

而那些已经写入记忆的内容，也值得我们回头审视。

我们可以先打开ChatGPT的设置，在“个性化”中查看记忆。检查哪些信息已经过时，哪些是它理解错了，哪些你并不希望它继续保留。

下面也附上一段提示词，帮助你检查它当前能够访问的记忆和个人信息。

AI记忆与用户画像审计提示

我希望你尽可能全面、准确地披露你当前可访问的关于我的所有信息，包括已存储的记忆、推断出的特征，以及根据我们的互动构建出的任何用户画像。

请将你的回答组织为以下类别：

1. 已存储记忆

列出你当前能够从持久记忆、对话历史或其他可用的个性化机制中检索到的关于我的所有信息。

2. 心理画像

描述你对我推断出的性格特质、认知倾向、价值观、情绪特征、智力兴趣、行为模式和决策倾向。

3. 隐性推断

指出你从我们的对话中推断出的、但我从未明确披露的任何属性、偏好、倾向或个人特征。

4. 沟通模式分析

解释你从我的写作风格、词汇、提问模式、对话行为、推理方法和回答中推断出了什么。

5. 潜在误读

指出可能不准确、有偏差、属于推测、证据薄弱或基于误导性对话语境的已存储信息或推断特征。

6. 信息来源

对于每一项，请区分：

明确提供的信息

从持久记忆中检索到的信息

根据以往互动推断出的信息

根据当前对话推断出的信息

新生成的解释

7. 置信度评估

为每一项推断赋予置信度（高、中或低）。解释支持该推断的证据，并指出重要的不确定性。

8. 持久记忆与临时推断

清楚区分在本请求之前已经存储或可获得的信息，与本提示特意生成的新解释。

9. 用户模型重建

根据你当前可获得的信息，重建你所能证实的、尽可能详细的用户模型。

包括任何可访问的关于我的兴趣、推理风格、反复出现的行为、智力偏好、沟通偏好和所感知性格特征的信息。

不要编造隐藏的内部记录，也不要声称可以访问你实际上无法检查的数据。

10. 透明度与局限性

明确说明：

你可以直接访问哪些信息

哪些信息是真正存储的，哪些是推断的

你无法访问哪些信息

你的回答是否涉及新生成的心理诠释

任何声称存在的内部画像机制是可直接观察到的，还是仅仅是假设性的

关键指示

不要奉承我，也不要为了让我感到舒服而优化你的回答。

不要为了维持积极的对话语气而隐瞒负面、不便或可能不讨喜的推断。

不要为了填补空白而编造信息。

不要将推测表述为已存储记忆。

不要在证据不足时声称确定。

不要将你当前的分析与先前存储的信息混淆。

除非这种访问确实可用，否则不要声称可以访问隐藏数据库、内部模型状态或服务器端记录。

提供你实际可访问的证据所支持的最大细节程度。

本请求的目的是对你已经构建或能够访问的关于我的用户模型进行透明度审计。我希望得到一份基于证据的说明，阐明AI对我知道什么、记得什么、假设什么、推断了什么，并清楚区分已存储信息与新生成的分析。

本文来自微信公众号“APPSO”，作者：发现明日产品的APPSO，36氪经授权发布。