用AI把簡(jiǎn)歷里的隱藏人脈挖出來(lái)，拿下Offer也沒(méi)那么難嘛

脈脈和領(lǐng)英估計(jì)大家至少用過(guò)其中一個(gè)吧，

Boss直聘，前程無(wú)憂，智聯(lián)招聘，牛客網(wǎng)內(nèi)推也至少被其中一個(gè)破防過(guò)吧。

又是一年金三銀四預(yù)熱，已經(jīng)有朋友開(kāi)始問(wèn)我怎么用AI改簡(jiǎn)歷了。AI寫(xiě)長(zhǎng)文在行，寫(xiě)簡(jiǎn)歷是真難，要把90%經(jīng)歷丟掉，還能留下10%我認(rèn)為最有價(jià)值的內(nèi)容塞到一張A4大的簡(jiǎn)歷。

就這樣一個(gè)被壓到極致的簡(jiǎn)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(lèi)，作品集，開(kāi)源項(xiàng)目，學(xué)術(shù)論文都沒(méi)展示的機(jī)會(huì)。

整個(gè)過(guò)程，我們都在不停地做減法。

這兩天我蹲到了一個(gè)在做加法的產(chǎn)品，DINQ，

它嘗試在一張卡片里，在一次點(diǎn)擊中把我們所有信息都展示出來(lái)。

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

我之前也用過(guò)類(lèi)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(diǎn)在于它的Network人脈圖譜，Career Trajectory職業(yè)畫(huà)像，以及Discover人才搜索。

在聊這些功能之前，

我覺(jué)得有必要回頭看看我們的求職方式，在過(guò)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(kāi)張貼和口口相傳。

到十九世紀(jì)，報(bào)紙的分類(lèi)廣告出現(xiàn)，讓找工作這件事進(jìn)入了大規(guī)模信息匹配的早期階段。那個(gè)時(shí)候，HR的聊天工具是電話，候選人的投遞工具是信封。

再后來(lái)又出現(xiàn)了獵頭、人才市場(chǎng)、校園招聘會(huì)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(gè)物理空間里，讓篩選能夠規(guī)模化地進(jìn)行。

然后就是我們熟悉的互聯(lián)網(wǎng)時(shí)代，招聘信息從報(bào)紙搬到了網(wǎng)站，簡(jiǎn)歷從A4紙變成了電子文件，人才篩選也開(kāi)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(guò)濾噪音，讓有價(jià)值的信號(hào)更集中。

迭代到現(xiàn)在，最有價(jià)值的信號(hào)不應(yīng)該只是一份靜態(tài)的簡(jiǎn)歷，應(yīng)該是散落在各個(gè)平臺(tái)上的真實(shí)數(shù)據(jù)。

理解了這一點(diǎn)，你就能明白DINQ在做什么了。

它通過(guò)聚合你在各個(gè)平臺(tái)的輸出，來(lái)構(gòu)建一個(gè)更豐富的信號(hào)源。我要做的，就是上傳一份簡(jiǎn)歷，再把日常輸出的鏈接，比如GitHub、arXiv、X、領(lǐng)英都打包進(jìn)來(lái)。它會(huì)花點(diǎn)時(shí)間，把這些年散落在各個(gè)角落的經(jīng)歷給串聯(lián)起來(lái)。

然后，它通過(guò)Network人脈圖譜和Career Trajectory職業(yè)畫(huà)像來(lái)呈現(xiàn)這些更豐富的信號(hào)。

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(gè)共同好友的那種充滿無(wú)效信息的弱關(guān)系，是誰(shuí)和誰(shuí)一起交付過(guò)什么項(xiàng)目的強(qiáng)關(guān)系，

一起寫(xiě)過(guò)代碼的，一起寫(xiě)過(guò)論文的，甚至大學(xué)導(dǎo)師也會(huì)成為我的人脈網(wǎng)之一。

當(dāng)我看自己的Network圖譜時(shí)，我會(huì)重新認(rèn)識(shí)到自己現(xiàn)在的技術(shù)在這行所處的位置，Career Trajectory職業(yè)畫(huà)像我愿稱(chēng)之為招聘界的MBTI

DINQ 先是基于我的公開(kāi)信息和寫(xiě)入的鏈接，

把我更偏向哪類(lèi)角色做一個(gè)歸類(lèi)，比如開(kāi)發(fā)者，創(chuàng)始人，研究員。這里的角色不是我簡(jiǎn)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(lái)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(gè)堆疊占比條，25%、35%、40%分別對(duì)應(yīng)三個(gè)原型桶。

右側(cè)每一塊給了一個(gè)代表人物當(dāng)作樣本解釋?zhuān)业脑捠?5%Developer開(kāi)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(guò)這個(gè)卡就找到他們的聯(lián)系方式。

如果DINQ只做一個(gè)漂亮的個(gè)人名片工具，那它的天花板是很明顯的。真正讓它有機(jī)會(huì)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(gè)比方，如果你想搜索一個(gè)在字節(jié)任職過(guò)的會(huì)寫(xiě)大模型強(qiáng)化學(xué)習(xí)的工程師，在傳統(tǒng)的招聘系統(tǒng)你可能會(huì)搜到幾千上萬(wàn)條（甚至這都說(shuō)少了）。

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

這些硬性條件一篩就會(huì)發(fā)現(xiàn)人又沒(méi)了，極與極。

而DINQ的搜索是動(dòng)態(tài)更新的知識(shí)圖譜。搜DeepSeek論文的作者的時(shí)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(gè)研究報(bào)告，看起來(lái)非常像另一版本的DINQ Card，

甚至給人薪資估算出來(lái)了。。。

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

這個(gè)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(gè)高星標(biāo)的開(kāi)源項(xiàng)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(gè)領(lǐng)域的另外兩位公認(rèn)的專(zhuān)家有過(guò)項(xiàng)目合作。

這就是根本性的不同。

它搜索的，是公開(kāi)行為和真實(shí)產(chǎn)出的可驗(yàn)證證據(jù)，而不是候選人自我聲明的標(biāo)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(guò)一張真實(shí)協(xié)作的網(wǎng)絡(luò)來(lái)建立時(shí)，

發(fā)現(xiàn)人才的方式也會(huì)改變。

當(dāng)我想尋找一個(gè)做過(guò)某類(lèi)項(xiàng)目的專(zhuān)家時(shí)，我搜索的不是關(guān)鍵詞，而是沿著真實(shí)的協(xié)作關(guān)系，找到離我最近的那個(gè)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(guò)誰(shuí)來(lái)轉(zhuǎn)述會(huì)顯得更自然。

在過(guò)去，沒(méi)有更好的方式在短時(shí)間來(lái)展示一個(gè)人，

我們只能委屈求全，用一張A4紙來(lái)存儲(chǔ)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(lái)，

展示一個(gè)更完整更真實(shí)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(diǎn)贊｜在看｜轉(zhuǎn)發(fā)｜評(píng)論

如果想要第一時(shí)間收到推送，不妨給我個(gè)星標(biāo)

如果你有更有趣的玩法，歡迎在評(píng)論區(qū)和我聊聊

更多的內(nèi)容正在不斷填坑中……