DINQ翻译站点

DINQ详细介绍

DINQ 把自己定位成一个 AI 人才搜索引擎，目标用户是要在全球范围内找 AI 工程师、研究员和开发者的招聘方。和传统的简历库不同，DINQ 不要求候选人上传简历，而是直接去 GitHub、Google Scholar、LinkedIn、X 这些公开来源把一个人的真实工作轨迹拼出来。

实际用下来最省事的是 DINQ 的自然语言搜索。招聘方输入一句像找有多模态落地经验的研究者这样的需求，DINQ 就会把匹配的人按契合度排好序，每张卡片带一个百分比分数。对习惯了在多个网站之间反复跳转比对的招聘来说，这一步把最耗时的初筛直接替掉了。

DINQ 会交叉核验候选人自己填的信息和真实产出，比如把简历上写的五年机器学习经验，对照 GitHub 的提交数、Scholar 的引用量和 X 的粉丝量。这个设计对防止简历注水确实有用，不过分数高不代表对方真的在考虑新机会，主动意愿还得靠后续沟通确认。

找到人之后 DINQ 还能代写外联邮件，会根据对方做过的具体项目生成不那么模板化的开头。另一边 DINQ 也给了个人用的 DINQ Profile，开发者可以聚合自己的社交账号让猎头更容易发现自己，目前个人侧基本免费，主要收入来自企业按积分购买的套餐。

DINQ的核心功能

• AI 人才搜索：输入自然语言需求（如找有强化学习落地经验的工程师），DINQ 自动扫描 500 多个来源并按契合度排序，几分钟内给出带匹配分数的候选人列表，省掉手动跨站检索。
• AI 候选人分析：对每个候选人做多维画像，汇总技能雷达、成长轨迹时间线和影响力指数，把分散在论文、代码和社交账号里的信息收成一份可读档案。
• 交叉核验背调：把候选人自称的经历和真实产出对照，GitHub 提交、Scholar 引用、LinkedIn 与 X 数据互相印证，降低简历注水带来的误判。
• AI 外联文案：根据候选人实际做过的项目生成个性化邮件开头，提供专业、友好、简洁几种语气，比通用模板更容易被回复。
• 人才雷达 Talent Radar：设定一次筛选条件后持续监控，新出现的匹配人才会自动进 shortlist，不必反复手动重搜。
• DINQ Profile 个人主页：开发者聚合 GitHub、Scholar、X 等社交账号生成一张可分享的档案卡，让猎头和合作方更容易发现自己。
• DaaS 企业集成：通过 DINQ-as-a-Service 把人才检索能力接进现有 ATS 或招聘系统，按企业合同定制积分与雷达规则。

DINQ的价格详情

免费权益：

免费档提供一次性 500 积分与默认 Shortlist 基础功能，仅含基础支持；积分用尽后需升级付费档，价格可能随官方调整。

收费模式：

DINQ的应用场景

• AI 初创招首席科学家：创始团队用自然语言描述技术方向，DINQ 在学术和开源圈里筛出做过相关研究的人，按引用和项目影响力排序，缩短找人的第一周。
• 大厂批量寻才：招聘方给一组技能栈和地域条件，DINQ 一次性拉出几十个匹配工程师，交叉核验后直接进 shortlist 安排面试。
• 猎头挖隐形高手：针对被低估的技术人才（论文少但工程强），用代码贡献和社区活跃度反向定位，找到简历库里搜不到的人。
• 学术合作找人：研究者输入细分方向，DINQ 列出同领域活跃学者并附代表作与影响力数据，方便发合作邀请。
• 开发者经营个人品牌：把各平台账号聚成 DINQ Profile，让机会主动找上门，不用再维护多个主页。
• 企业人才对标：HR 用 DINQ 看目标公司的技术团队构成和流动趋势，给自家招聘和薪酬策略做参考。

DINQ的适用人群

• 开发者：把 GitHub、Scholar、X 聚成一张 DINQ Profile，让猎头和合作方更容易发现自己，个人侧目前基本免费。
• 产品经理：技术团队招人时用作初筛工具，用自然语言描述需求就能拿到排好序的候选人，不用懂招聘系统。
• 科研人员：找细分方向的合作者或对标同行的产出，DINQ 附上代表作与影响力数据，便于发邀请或做 benchmarking。
• 金融：金融科技团队招 AI 人才时，用 DINQ 跨来源核验候选人真实产出，减少简历包装带来的误判。

同类工具对比

DINQ的同类竞品

Gemini Notebook通用AI聊天有个老毛病：你问它一份报告的…