搜尋候選人
用自然語言描述要找的人，DINQ 會幫你細化搜尋條件，並開始搜尋匹配人才。
搜尋可以幫助你從招聘需求出發，得到一批匹配候選人。你只需要用自然語言描述想找什麼樣的人，DINQ 會幫助你澄清細節、最佳化條件，並從公開來源中搜索相關檔案。
當你已經有比較明確的理想候選人畫像，但不想在多個平臺之間手動搜尋時，可以使用 搜尋。
什麼時候使用搜索
搜尋特別適合以下場景：
- 高度技術化的細分領域： 在 AI、ML、基礎設施、量化、安全、機器人等細分領域，或前沿研究方向中，搜尋專業人才。
- 按真實產出物色人才： 根據開源貢獻、已釋出專案、論文或真實程式碼倉庫等實際成果發現候選人。
- 繞過死板的布林篩選： 用自然語言描述複雜招聘條件，而不是填寫大量篩選框。
- 迭代粗略想法： 通過對話把早期招聘想法變成更清晰的搜尋提示詞。
- 反向解析 JD： 上傳或貼上 JD，讓 DINQ 提取要求並搜尋匹配檔案。
執行第一次搜尋
進入 Search，用自然語言描述你的招聘需求。你不需要提前寫好完整 JD，只要像和同事說明需求一樣描述即可。
範例：
我想找做過 LLM inference optimization 的工程師，最好有 CUDA、TensorRT 或 vLLM 經驗。有開源作品更好。地點可以靈活，優先北美或遠端。
你也可以從更簡單的描述開始：
幫我找 20 個做 AI agent infrastructure 的工程師，最好有開源貢獻。
你提供的上下文越多，DINQ 搜尋效果越好。常見有用資訊包括：
- 角色或方向： AI 研究員、ML 工程師、基礎設施工程師、量化研究員。
- 關鍵技能： LLM、CUDA、React、TypeScript、PyTorch、機器人。
- 經驗級別： Senior、founding engineer、team lead、創業背景。
- 地點： Bay Area、New York、London、Singapore、remote。
- 隱藏條件： 從 0 到 1 做過專案、開源足跡強、研究引用高。
確認並開始搜尋
正式開始前，DINQ 會把你的需求整理成 搜尋計劃，展示搜尋目標和篩選條件。你可以增刪或編輯條件，並把條件設為“必須”“優先”或“排除”。
如果還缺少重要資訊，計劃中會同時展示補充問題。你可以選擇合適的選項，也可以直接編輯篩選條件，不需要逐個等待追問。檢查計劃後，點選 開始搜尋。
搜尋輸入區可以選擇當前可用的模型，或使用 Auto。可選項由服務端和當前帳號許可權決定，不是固定模型清單。若提示搜尋暫不可用，請先檢查登入與頁面狀態，稍後重試；可觀看範例瞭解流程，但範例回放不等於執行一次真實搜尋。
確認後，DINQ 會開始搜尋，並即時展示執行進度。因為 DINQ 會連線職業資料、GitHub 倉庫、論文、個人網站和公開專案等公開訊號，搜尋過程可能需要一些時間。
儲存候選人
發現有潛力的候選人後，可以儲存到候選名單。候選名單適合用於：
- 建立特定崗位的人才池。
- 整理一次搜尋中的候選人。
- 與 hiring manager 分享檔案。
- 標記需要進一步驗證或觸達的候選人。
按人物或公開連結開始
搜尋不侷限於 JD。可以給出姓名和身份線索查詢某個具體人物，也可以提供 GitHub 倉庫、Hugging Face 模型、論文或實驗室連結，說明想找其中的維護者、作者或成員。
請說清連結的用途：“找這個倉庫的貢獻者”和“參考這個專案，找有類似經驗的人”是不同需求。同名人物儘量補充公司、學校或個人主頁，避免識別錯誤。