脈脈和領(lǐng)英估計大家至少用過其中一個吧，

Boss直聘，前程無憂，智聯(lián)招聘，牛客網(wǎng)內(nèi)推也至少被其中一個破防過吧。

又是一年金三銀四預(yù)熱，已經(jīng)有朋友開始問我怎么用AI改簡歷了。AI寫長文在行，寫簡歷是真難，要把90%經(jīng)歷丟掉，還能留下10%我認為最有價值的內(nèi)容塞到一張A4大的簡歷。

就這樣一個被壓到極致的簡歷還有壓縮空間，放到脈脈和領(lǐng)英就成了工作經(jīng)歷，教育經(jīng)歷，技能干巴巴三大類，作品集，開源項目，學(xué)術(shù)論文都沒展示的機會。

整個過程，我們都在不停地做減法。

這兩天我蹲到了一個在做加法的產(chǎn)品，DINQ，

它嘗試在一張卡片里，在一次點擊中把我們所有信息都展示出來。

https://dinq.me/?from=aiwarts

我之前也用過類似的，像是Bento，BuyMyCoffee，Bonjour，都是自定義模塊的卡片展示模式。但DINQ不同的點在于它的Network人脈圖譜，Career Trajectory職業(yè)畫像，以及Discover人才搜索。

在聊這些功能之前，

我覺得有必要回頭看看我們的求職方式，在過去幾十年經(jīng)歷了怎樣改變，變到現(xiàn)在八面，甚至十面。

最早的招聘，靠的是公開張貼和口口相傳。

到十九世紀，報紙的分類廣告出現(xiàn)，讓找工作這件事進入了大規(guī)模信息匹配的早期階段。那個時候，HR的聊天工具是電話，候選人的投遞工具是信封。

再后來又出現(xiàn)了獵頭、人才市場、校園招聘會這些形態(tài)，它們把關(guān)系網(wǎng)變得職業(yè)化，把供需雙方集中到了一個物理空間里，讓篩選能夠規(guī)模化地進行。

然后就是我們熟悉的互聯(lián)網(wǎng)時代，招聘信息從報紙搬到了網(wǎng)站，簡歷從A4紙變成了電子文件，人才篩選也開始被算法深度介入。

每一次招聘渠道的迭代，本質(zhì)上都是做同一件事，

過濾噪音，讓有價值的信號更集中。

迭代到現(xiàn)在，最有價值的信號不應(yīng)該只是一份靜態(tài)的簡歷，應(yīng)該是散落在各個平臺上的真實數(shù)據(jù)。

理解了這一點，你就能明白DINQ在做什么了。

它通過聚合你在各個平臺的輸出，來構(gòu)建一個更豐富的信號源。我要做的，就是上傳一份簡歷，再把日常輸出的鏈接，比如GitHub、arXiv、X、領(lǐng)英都打包進來。它會花點時間，把這些年散落在各個角落的經(jīng)歷給串聯(lián)起來。

然后，它通過Network人脈圖譜和Career Trajectory職業(yè)畫像來呈現(xiàn)這些更豐富的信號。

人脈圖譜構(gòu)建的不是是脈脈和領(lǐng)英那種你們都在XX大學(xué)，都在XX公司，你們有多少個共同好友的那種充滿無效信息的弱關(guān)系，是誰和誰一起交付過什么項目的強關(guān)系，

一起寫過代碼的，一起寫過論文的，甚至大學(xué)導(dǎo)師也會成為我的人脈網(wǎng)之一。

當(dāng)我看自己的Network圖譜時，我會重新認識到自己現(xiàn)在的技術(shù)在這行所處的位置，Career Trajectory職業(yè)畫像我愿稱之為招聘界的MBTI

DINQ 先是基于我的公開信息和寫入的鏈接，

把我更偏向哪類角色做一個歸類，比如開發(fā)者，創(chuàng)始人，研究員。這里的角色不是我簡歷上填的職位名，是它從經(jīng)歷，產(chǎn)出，影響力，合作關(guān)系（也就是剛剛的人脈圖譜）里推斷出來的職業(yè)原型。

接著就是把這些原型做成占比，然后給出代表性樣本，左側(cè)那根豎條是一個堆疊占比條，25%、35%、40%分別對應(yīng)三個原型桶。

右側(cè)每一塊給了一個代表人物當(dāng)作樣本解釋，我的話是25%Developer開發(fā)者，35% Founder 創(chuàng)始人，40%Researcher 研究員。

上面都是真人，我可以只通過這個卡就找到他們的聯(lián)系方式。

如果DINQ只做一個漂亮的個人名片工具，那它的天花板是很明顯的。真正讓它有機會成為行業(yè)基礎(chǔ)設(shè)施的，是它的Discover人才搜索功能。

搜索一下DeepSeek Conditional Memory via Scalable Lookup:A New Axis of Sparsity for Large Language Models論文的作者

打個比方，如果你想搜索一個在字節(jié)任職過的會寫大模型強化學(xué)習(xí)的工程師，在傳統(tǒng)的招聘系統(tǒng)你可能會搜到幾千上萬條（甚至這都說少了）。

這時候就得加各種各樣的硬性指標，杭州本地，985或211高校背景，國外Top10名校，工作經(jīng)驗5年以上等等等，

這些硬性條件一篩就會發(fā)現(xiàn)人又沒了，極與極。

而DINQ的搜索是動態(tài)更新的知識圖譜。搜DeepSeek論文的作者的時候可以選擇一作，生成TA的人脈圖譜。

找到跟他合作最多的人脈后，還可以生成一個研究報告，看起來非常像另一版本的DINQ Card，

甚至給人薪資估算出來了。。。

當(dāng)搜索一個概念，比如多模態(tài)算法工程師時，Agent的思考的路徑是這樣的，

這個人他是某篇關(guān)于多模態(tài)模型的關(guān)鍵論文的共同作者，

他的GitHub上有一個高星標的開源項目，是關(guān)于處理視頻和文本數(shù)據(jù)的，

并且他的人脈網(wǎng)絡(luò)顯示，他與這個領(lǐng)域的另外兩位公認的專家有過項目合作。

這就是根本性的不同。

它搜索的，是公開行為和真實產(chǎn)出的可驗證證據(jù)，而不是候選人自我聲明的標簽。工作成果擁有了比職位頭銜和公司品牌更高的權(quán)重。

當(dāng)信任可以通過一張真實協(xié)作的網(wǎng)絡(luò)來建立時，

發(fā)現(xiàn)人才的方式也會改變。

當(dāng)我想尋找一個做過某類項目的專家時，我搜索的不是關(guān)鍵詞，而是沿著真實的協(xié)作關(guān)系，找到離我最近的那個可信的入口，

我甚至?xí)Ｍ?/p>

后續(xù)版本的DINQ能幫我生成第一條私信的草稿

或者告訴我通過誰來轉(zhuǎn)述會顯得更自然。

在過去，沒有更好的方式在短時間來展示一個人，

我們只能委屈求全，用一張A4紙來存儲自己的一切。

但AI給了我們新的可能性，

我們可以選擇把自己重新拼回來，

展示一個更完整更真實的自己。

@ 作者 / 卡爾

最后，感謝你看到這里如果喜歡這篇文章，不妨順手給我們點贊｜在看｜轉(zhuǎn)發(fā)｜評論

如果想要第一時間收到推送，不妨給我個星標

如果你有更有趣的玩法，歡迎在評論區(qū)和我聊聊

更多的內(nèi)容正在不斷填坑中……