DINQ 产品介绍

产品概述

DINQ 是面向现代招聘团队与专业人才的 AI 原生人才搜索和职业身份平台。用户只需用自然语言描述理想候选人，DINQ 就会从公开网络及专有人才数据库中搜索信息，综合分析候选人的代码、论文、项目、开源贡献和职业经历，生成带有匹配度及来源链接的候选人名单。

DINQ 将人才搜索、能力评估、资料补全、名单管理和个性化触达整合在同一工作流中，帮助企业从“描述招聘需求”快速走到“获得可验证、可联系的候选人短名单”。对于个人用户，DINQ 还能将分散在 GitHub、Google Scholar、LinkedIn、个人网站等渠道的成果整合成动态职业主页。

一句话定位：

DINQ 让企业基于候选人真正做过的事情发现人才，而不只是根据简历关键词筛选人才。

核心功能

1. 自然语言人才搜索

无需编写布尔搜索语句或配置复杂筛选器，直接描述招聘需求，例如：

寻找拥有多模态模型研究经验、发表过顶会论文，并参与过开源项目的上海地区高级算法工程师。

DINQ 会理解职位、技能、研究方向、工作经历、地域及其他约束条件，并执行多步骤搜索。

2. 多源人才发现

DINQ 从公开职业和技术信息中识别候选人，包括：

• GitHub 代码、技术栈、贡献记录及项目影响力

• 论文、引用关系、研究方向及会议质量

• 开源项目、产品、Demo 和公开成果

• 个人网站及职业资料

• 合作者、实验室和研究社区关系

这使 DINQ 能发现简历信息不完整、没有主动求职或无法通过传统关键词命中的“隐藏人才”。

3. AI 匹配与候选人排序

系统根据招聘需求评估候选人的相关性，并生成：

• 综合匹配度

• 技能及经历匹配情况

• 关键推荐理由

• 候选人优势与潜在缺口

• 支持判断的原始来源链接

招聘人员可以查看证据并自行复核，而不必完全依赖 AI 结论。

4. 候选人档案补全

DINQ 将同一候选人散落在不同平台的信息进行关联，形成更加完整的专业档案，集中呈现其：

• 职业和教育经历

• 技术栈与专业方向

• 论文与研究影响力

• 代码及开源贡献

• 已发布产品和项目

• 公开职业主页与联系方式

5. Shortlist 人才名单

用户可以将合适的候选人保存到 Shortlist，并按照职位、项目或招聘阶段进行分类，便于：

• 建立职位人才池

• 对候选人进行横向比较

• 记录筛选进度

• 与团队共同评审

• 管理长期候选人关系

6. Talent Radar 持续人才发现

对于长期开放或难度较高的职位，可以设置 Talent Radar，持续追踪符合条件的新人才，适用于人才储备、前沿研究人员追踪和长期招聘。

7. 联系方式验证与个性化触达

确定候选人后，DINQ 可以：

• 查找并验证候选人的职业邮箱

• 根据候选人的真实工作生成个性化邀约

• 调整邮件的专业、友好或简洁程度

• 在平台内编辑和发送消息

• 统一管理候选人沟通

生成的内容会引用候选人的具体项目或研究成果，减少模板化招聘邮件。

8. DINQ Profile

个人用户可以连接 GitHub、LinkedIn、Google Scholar、X 或上传简历，创建聚合式职业主页，展示项目、论文、代码、工作经历、图片、视频及外部链接。

Profile 适合用于个人品牌、求职、学术合作、项目展示及社交分享，并支持移动端访问和二维码分享。

9. API 与 MCP 集成

团队可以通过 API 或 MCP 将 DINQ 的人才检索能力接入内部招聘系统、Agent、ATS 或自动化工作流。DINQ 提供交互式搜索和面向系统集成的快速检索两种方式。

功能亮点

• 从关键词匹配升级为语义理解： 理解招聘需求背后的真实能力要求，不要求候选人资料中出现完全相同的关键词。

• 基于成果评估人才： 重点分析代码、论文、项目和公开贡献，降低对自述简历的依赖。

• 跨平台身份整合： 将分散在不同网站的职业信号统一到一个候选人档案中。

• 结果可验证： 推荐结果附带 GitHub、Google Scholar、个人主页等来源，方便人工核验。

• 发现被传统平台遗漏的人才： 尤其适合没有积极求职、职位名称不标准或以作品体现实力的候选人。

• 支持复杂、多条件需求： 可同时处理公司、学校、技术方向、项目经历、地域等限制。

• 端到端招聘工作流： 覆盖搜索、评估、收藏、协作、联系方式验证及邀约。

• 兼顾企业和个人： 企业可以找人，个人也能通过动态职业主页被发现。

典型使用场景

高端技术人才招聘

寻找高级 AI 工程师、研究科学家、基础设施专家、量化研究员或安全专家，通过真实技术成果判断候选人深度。

AI 与科研人才发现

根据研究方向、论文质量、引用网络、实验室背景和开源贡献，寻找特定领域的研究人员、博士或技术顾问。

创业公司核心团队组建

创始人可以用业务目标直接描述所需人才，例如寻找“有大模型产品落地经验、在早期创业公司工作过的工程负责人”。

被动候选人挖掘

发现没有更新简历、没有公开求职，但持续发表论文、提交代码或推出产品的优秀人才。

多条件精准筛选

执行传统关键词搜索难以完成的组合查询，例如：

• 曾在指定公司任职，同时具有某项技术经验的人

• 某领域顶会作者中拥有工业落地经历的人

• 特定地区、研究方向和经验年限同时满足要求的人

长期人才库建设

通过 Shortlist 和 Talent Radar 持续积累某一技术方向的候选人，为未来岗位建立可复用人才池。

候选人研究与面试准备

快速了解候选人的技术方向、代表项目及研究成果，为面试问题设计和面试官评审提供依据。

个人职业品牌与合作发现

研究人员、工程师、创始人及学生可以用 DINQ Profile 集中展示成果，用于求职、融资、学术交流或寻找合作伙伴。

FAQ

1. DINQ 与 LinkedIn 有什么区别？

LinkedIn 主要依据用户自述的职位、经历和关键词进行搜索；DINQ 更关注候选人的代码、论文、项目及公开贡献，并提供原始来源供招聘人员验证。

2. DINQ 是 ATS 吗？

不是。ATS 主要用于管理申请、面试和录用流程；DINQ 的核心是人才发现、能力分析和候选人触达。企业可将两者结合使用。

3. DINQ 只适合招聘 AI 人才吗？

AI 与机器学习是其核心场景，但也适合基础设施、量化金融、安全、机器人、生物科技、医疗、科研及其他以实际成果体现能力的领域。

4. 搜索时需要编写布尔表达式吗？

不需要。用户可以像向招聘顾问描述需求一样使用自然语言，并在搜索过程中继续补充或调整条件。

5. DINQ 如何判断候选人是否匹配？

系统综合分析候选人的工作经历、技术栈、代码贡献、论文影响力、项目成果及合作关系，并依据当前招聘需求生成匹配度和推荐理由。

6. AI 推荐结果可以人工核验吗？

可以。候选人结果会提供相关公开来源链接，招聘人员可以查看原始资料并独立判断。匹配分数适合作为辅助信息，不应替代面试、背调或人工决策。

7. DINQ 能找到候选人的联系方式吗？

DINQ 支持联系方式查找和邮箱验证；是否能够获得有效联系方式取决于候选人的公开信息及可用数据源。

8. 是否可以直接联系候选人？

可以。DINQ 能根据候选人的真实经历生成个性化邀约，用户可在审核和修改后发送。

9. 什么是 Talent Radar？

Talent Radar 是持续人才发现功能，可针对长期职位或特定人才类型持续跟踪新出现的匹配候选人。

10. 个人需要上传简历吗？

不强制。用户可以上传简历，也可以直接连接 GitHub、LinkedIn、Google Scholar、X 等现有资料来创建 Profile。

11. DINQ 是否免费？

DINQ 提供免费入门方案。其官网目前列出的付费档位包括 Basic、Pro 和 Enterprise，搜索及联系方式查询等操作会消耗 Credits；具体额度和价格可能调整，采购前应查看最新价格页面。

12. 候选人数据来自哪里？

主要来自候选人公开发布或用户主动连接、上传的信息。企业仍应按照适用的隐私、招聘和反歧视法规使用这些数据。

13. DINQ Profile 是否公开？

DINQ 的职业主页以公开展示和人才发现为主要用途，因此不应在 Profile 中上传不希望公开的敏感信息；使用前建议阅读其隐私政策。

14. DINQ 可以接入企业内部系统吗？

可以。DINQ 提供 API 与 MCP 能力，可用于连接内部招聘平台、人才数据库或 AI Agent，具体接入方式可参考官方文档。