行业工具
DINQ
基于 GitHub、Scholar 等 500+ 源头的真实技术人才验证与搜索引挚
访问官网
dinq.me
DINQ是什么
DINQ 是一款专为招聘团队打造的人才搜索引擎，旨在通过 AI 技术从 GitHub、Google Scholar、LinkedIn 以及超过 500 个其他数据源中精准查找、验证并监控顶尖候选人。与传统简历数据库不同，DINQ 关注候选人的实际工作成果，如代码提交、学术引用和行业影响力，从而提供比自我陈述更真实的候选人画像。
该平台能够持续扫描网络，根据用户设定的角色、行业、公司和地点等标准，自动匹配并排名候选人。DINQ 不仅提供详细的背景验证，还能阅读候选人的实际作品，生成个性化的 outreach 邮件，帮助招聘人员打破模板化沟通，提高联系成功率。
主要功能
- 多源数据聚合整合来自 GitHub、Google Scholar、LinkedIn、X (Twitter)、arXiv、USPTO 等 500+ 技术和学术来源的数据，构建全面的人才视图。
- 真实能力验证通过对比简历声明与实际工作数据（如 GitHub 提交次数、Scholar 引用量），验证候选人的真实技术水平，拒绝虚假包装。
- 持续监控与排名设定一次搜索条件，DINQ 会持续扫描并更新候选人短名单，确保您随时掌握最新的高匹配度人才动态。
- 个性化外联生成AI 深入阅读候选人的具体项目和研究成果，自动生成针对性强、非模板化的联系邮件，提升沟通转化率。
- 深度人才洞察提供包括代码贡献、学术影响力、社交网络活跃度等多维度的量化指标，帮助招聘者快速评估候选人潜力。
- 全球覆盖范围涵盖全球 10 亿+ 专业人士，连接 1,000+ 所大学和实验室，支持跨地域、跨领域的精准人才挖掘。
如何使用
- 访问 DINQ 官网并请求演示或开始搜索，创建您的招聘账户。
- 定义您的理想候选人画像，包括职位角色、行业领域、目标公司及地理位置。
- 利用 AI 引擎在 500+ 数据源中进行扫描，系统会自动匹配并排名潜在候选人。
- 查看候选人的详细验证报告，对比其简历声明与 GitHub、Scholar 等平台的实际数据。
- 使用内置的 AI 工具生成个性化的联系邮件，直接向高匹配度候选人发起沟通。
- 设置持续监控，让 DINQ 自动为您追踪新出现的合适人才并更新短名单。
应用场景
- 高端技术招聘针对机器学习工程师、研究员等稀缺技术岗位，通过代码和论文数据精准定位具备实战能力的候选人。
- 背景尽职调查在面试前验证候选人的技术声称，通过 GitHub 提交记录和学术引用确认其真实贡献水平。
- 被动候选人挖掘发现那些未在求职网站活跃但在开源社区或学术界有影响力的隐性优秀人才。
- 批量人才映射为特定竞争对手或研究机构建立人才地图，了解行业内的核心技术人员分布。
价格 / 免费额度
价格与免费额度以官网为准。
适合人群
- 技术招聘专员
- 猎头顾问
- 初创公司创始人
- 研发部门主管
常见问题
DINQ 搜索哪些数据源？
DINQ 聚合了超过 500 个技术和学术来源的数据，包括 GitHub、arXiv、USPTO 以及各类小众专业网络。
DINQ 与 LinkedIn 有什么区别？
LinkedIn 主要依赖用户自我填写的资料，而 DINQ 通过验证 GitHub 代码、学术引用等实际工作成果来评估候选人，提供更客观的能力证明。
联系方式的准确度如何？
DINQ 致力于提供经过验证的联系信息，具体准确率取决于候选人在各公开平台上的数据完整性和隐私设置。
什么是 DINQ Profile？
DINQ Profile 是基于全网公开数据生成的综合人才档案，展示了候选人的实际技能、影响力和工作经历，而非仅靠简历描述。