真正能迁移的是什么
一个 Space 包含四样东西，它们在迁移到另一端时的表现截然不同。
线程可以作为文档逐个迁移。 打开一个线程，使用分享或更多选项菜单，然后导出为 PDF、Markdown 或 DOCX。Markdown 是你需要的格式——导出内容包含你的提示词、回答、格式以及带有来源列表的引用块，这是让研究在以后可重复使用的关键部分。目前没有官方的方法可以一键导出整个 Space。虽然存在可以批量导出 Space 甚至将其推送到 Notion 的浏览器扩展，并且它们确实有效；但它们也需要授权访问你的 Perplexity 账户，这是一个需要深思熟虑而不是随便做出的决定。
上传的文件不会迁移——因为你已经拥有它们了。 你附加到 Space 的任何 PDF 和文档应该仍在你的磁盘上。直接重新上传或将它们复制到项目仓库中，而不是尝试从 Perplexity 中重新提取它们。
自定义指令几乎可以直接迁移。 Space 的指令已经写成了关于语气、深度和优先考虑什么的指令。其中大部分内容只需轻微编辑即可映射到 CLAUDE.md 上；关于引用样式和回答长度的部分通常无法保留，因为你不再是要求它提供答案，而是要求它编写代码。
探索过程不会迁移，也不应该迁移。 在你的 40 个线程中，有 30 个是你在摸索正确的问题是什么。它们的价值在于孕育了另外 10 个线程。导出全部 40 个线程会给 Claude Code 留下一堆被取代的推理过程，其中一些甚至与你的最终结论相矛盾，所有这些都会争夺上下文空间。这就是迁移出错的地方：不是因为丢失了信息，而是因为携带了太多信息。
这里有一个值得提前说明的不对称性。Perplexity 的记忆是围绕线程组织的——每个对话都是它自己的容器，这就是为什么 Space 内部的内容不会自动通知你的其他线程。而 Claude Code 的记忆是围绕文件系统组织的——它读取项目中的内容。你不仅仅是在工具之间移动文本，你是在将“对话形态”的知识转化为“文件形态”的知识。以下的所有内容都是关于这种转化的。
手动迁移步骤
步骤 1：导出仍然重要的线程
在导出任何内容之前，先浏览 Space 并进行筛选。对于每个线程，问自己一个问题：这是否包含一个我会坚持的结论，还是一个我已经完成的搜索？ 导出第一种，跳过第二种。
具体来说，保留那些确定了决策的线程（“由于许可问题，我们正在使用这个库”）、收集了你以后想再次引用的对比证据的线程、包含限制构建的领域事实的线程（速率限制、格式、监管要求），以及你犯了错误并找出原因的线程。最后一类是最有价值的，也是最常被丢弃的。
对于每个需要保留的线程：打开线程，使用分享或更多选项菜单，选择 Markdown。你将获得提示词、回答、格式以及带有来源列表的引用。保留这些引用——迁移研究而不是重新做研究的全部原因就在于来源也随之迁移了。
如果一个 Space 有几十个需要保留的线程，这就是第三方批量导出工具发挥作用的地方。坦率地权衡一下：它们需要账户访问权限，而你正在赋予一个浏览器扩展读取你 Perplexity 账户中所有内容的权限。对于个人研究 Space 来说，这可能没问题。但对于任何签署了客户保密协议（NDA）的项目，请手动导出线程，不要再考虑其他方式。
不要因为存在批量导出就跳过筛选。筛选的目的不是为了节省导出的点击次数，而是因为你带过去的每一件东西以后都会争夺 Claude Code 的注意力。
步骤 2：将导出的内容转化为 Claude Code 真正会加载的文件
原始的线程导出并不是有用的项目文档。线程是一个记录：你半生不熟的问题、一个长回答、一个纠正它的后续问题、另一个回答。Claude Code 会阅读所有这些内容，并把权重放在错误的部分。
因此需要进行浓缩。对于每个相关的线程集群，在项目仓库中编写一个 Markdown 文件（docs/research/ 是一个合理的存放位置），结构如下：
- 结论优先，用一两句话概括，作为关于项目的既定事实陈述。
- 排除的选项（如果有）。“我们评估了 X 并因 Y 拒绝了它”可以防止 AI 代理在三周后兴高采烈地重新提议使用 X。
- 浓缩的证据，附带导出引用块中的来源链接。
- 日期以及来源工具。研究会过时，带日期的文件能让你辨别其时效性。
然后让 Claude Code 感知到它。项目根目录下的 CLAUDE.md 是它自动加载的文件——指针应该放在这里，而不是具体内容：
```markdown
研究上下文
决策及其证据保存在 docs/research/ 中。在修改 src/auth/ 下的任何内容之前，请先阅读 docs/research/auth-approach.md。 未经标记，请勿重新讨论其中记录的决策。 ```
有两点原因使得这种做法比直接将研究内容倾倒在行内更好。首先，CLAUDE.md 在每次会话中都会被加载，因此将其保持为指针和规则几乎不会消耗你每个任务的成本，而一个 4000 字的研究内容倾倒则会在每一次请求中都消耗你的成本。其次，@path 导入允许你在实际相关时引入特定文件，而不是一直引入。
将个人偏好放在 ~/.claude/CLAUDE.md 中，而不是项目文件中，并提交项目文件，以便你的团队继承相同的上下文。如果你希望 Claude Code 起草文件的第一个版本，/init 将从仓库中构建其脚手架，而 /memory 则直接打开记忆文件进行编辑。
然后正确设定预期：这只是让知识可用，而不是被记住。Claude Code 在每次会话开始时仍然是全新的，并且在长会话中仍然会压缩上下文，这就是为什么即使有合适的文件，它也会在会话之间忘记项目上下文。文件是底线，而不是上限。
更好的方法：统一的研究与代码记忆层
看看步骤 2 实际上做了什么：你手动将研究成果从一种工具的格式转换为另一种工具’的格式，并将结果存储在只有第二种工具才能读取的地方。
现在考虑接下来的六个月。你还会再次进行研究——在 Perplexity 中，或者在取代它的任何工具中——并且你将在 Claude Code、Codex 或 10 月份发布的某些新工具中进行构建。每种组合都需要自己的转换。知识是稳定的，而围绕它的工具却不是。
将知识保存在双方都能访问的层中可以省去转换步骤。MemoryLake 是一个位于工具之下的记忆层：研究笔记、决策和源文档只需输入一次，Claude Code 就可以通过 MCP 读取它们，而你使用的任何其他工具都可以通过 API 读取相同的存储。你的研究不再是需要迁移的 Perplexity 产物，而是变成了你的工具可以查询的东西。
公平地权衡一下：docs/ 加上 CLAUDE.md 确实有其优点。它是纯文本，处于版本控制中，可以在拉取请求（PR）中进行审查，并且无需任何设置即可工作。对于属于代码库的任何内容，请保留这种方式。而记忆层则适用于那些不适合代码库形态的知识——跨项目研究、客户上下文、跨越三个仓库的决策——以及让这些知识可以被你尚未选择的工具读取。
步骤 1：创建 API 密钥
生成密钥并在大约 30 秒内发出你的第一次请求。将其存储在你的环境变量或机密管理器中，而不是直接写在会被提交或同步的配置文件中。
步骤 2：上传你的第一批记忆
放入你的研究实际依赖的文档、图像和文件——导出的线程、你上传到 Space 的 PDF、决策文档。尽可能上传源文件，而不仅仅是它们的摘要。摘要往往会漏掉至关重要的限制条件。
步骤 3：连接你的 AI 和代理
让 Claude、Codex、OpenClaw 和其他 AI 代理通过 MCP 或 API 访问记忆。Claude Code 支持 MCP 服务器，因此这只是一个配置项，而不是重写。对于没有 MCP 客户端的研究工具（其中包括 Perplexity），通过 API 提取你所需的内容并将其注入到提示词或工作流中，这样双向流动都可以实现。
这在实践中改变了什么
第一个改变是，在你编写代码的工具中，“我们对身份验证（auth）做出了什么决定？”会得到一个附带来源的答案。而不是一个指向另一个产品中你需要去阅读的线程链接。
第二个改变是，被拒绝的选项会一直保持被拒绝状态。在从研究到构建的交接之后，最常见的一个失败案例就是 AI 代理自信地推荐了你花了一周时间排除的库，因为排除的过程保存在 Perplexity 线程中，而代码保存在这里。一旦决策及其推理过程进入存储库，这种情况就会停止。
第三个改变是大多数人没有预料到的方向：它也反向起作用。一旦实现决策保存在同一个层中，你的下一次研究就可以从代码库实际执行的操作开始，而不是从你记忆中的操作开始。
而且在实际操作中，它在下一次工具切换时依然适用。无论你最终使用的是 Cursor 还是回到聊天产品中，知识都在同一个地方，而工具只是一个客户端。
迁移的最佳实践
在导入前进行浓缩，而不是在导入后
本能反应是把所有东西都移过去，让 AI 代理去整理。但它不会——它会把被取代的答案和你的最终答案赋予相同的权重，因为导出内容中没有任何标记能区分它们。10 篇写得很好的结论文档胜过 40 篇对话记录，而撰写过程正是迫使你注意到哪些结论实际上无法站得住脚的过程。
保留引用
迁移研究优于重新做研究的原因在于来源也随之迁移了。为了整洁而从导出内容中剥离引用块，意味着你保留了主张却丢弃了证据——这意味着当有人第一次质疑它时，你又得回到搜索框。Markdown 导出包含来源列表。请保留它。
为所有内容标注日期，并说明哪些已过时
针对快速变化的 API 的研究只是一个快照。在文件中写上日期，当你得知某些内容发生变化时，编辑该文件，而不是在旁边添加一个更新的文档。两份没有日期且相互矛盾的文档，比一份诚实标注了日期的文档更糟糕。
将指令和知识保存在不同的地方
CLAUDE.md 用于存放规则和指针，在每次会话中都会加载，因此应该保持简短。研究是知识——内容长、偶尔相关、无条件加载成本高。将它们混在一起会给你带来一个臃肿的文件，你不仅要在每次请求中为此付费，而且仍然无法装下所有内容。
结论
Perplexity 每次只能将一个线程导出为 PDF、Markdown 或 DOCX，并且没有官方的批量 Space 导出功能；Claude Code 也没有导入器。因此，最实在的路径是手动且简短的：筛选 Space 以获取结论而不是搜索过程，将这些结论连同其引用一起导出为 Markdown，将每个集群浓缩为以决策开头的带日期文档，并将 CLAUDE.md 指向该文件夹，而不是将其内联粘贴。
值得深思熟虑的选择是知识此后保存在哪里。在项目仓库中，它在此工具中为该项目服务。在双方都能读取的记忆层中，它也为下一个项目和下一个工具服务——这比听起来更重要，因为研究花了你一周的时间，而工具的选择在研究失效之前就会发生改变。