当DeepSeek和OpenAI的核心突破者越来越年轻，传统的简历筛选正在失效。一位前阿里达摩院的研究员，试图用Agent编织一张能捕捉「下一个Ilya」的网。

2024年，高岱恒Sam做出了一个决定：离开工作了四年的阿里达摩院。

作为一名92年出生的算法研究员，他正处在传统职业生涯的「黄金期」。但在AI圈内，一种难以名状的焦虑正在蔓延。Sam发现，从Flash Attention到Llama（第一个开源大模型），再到最近让DeepSeek名声大噪的GRPO算法，这些2022年以来最核心的「Ground Breaking」技术，几乎都是由30岁以下的年轻人完成的。

「Llama发布的那个月，一作Hugo只有29岁；OpenAI做出ChatGPT的主力Alec Radford是来自富兰克林·欧林工程学院（Franklin W.Olin College of Engineering）本科生。」Sam在接受极客公园采访时感慨，「在这个行业，如果你到了30岁还在做单纯的模型微调，你会发现这部分工作正在变成『数据清洗』的体力活，而创造力的巅峰似乎正在离你远去。」

打不过，就加入——或者，为这群人造路。

Sam和他的合伙人孙辰昕Kelvin决定换个赛道。他们试图解决一个在AI时代变得愈发棘手的问题：去哪找到这些分散在世界各地的、真正懂AI的「Builder」？

他们的答案是Dinq，一个基于Agent架构的AI人才搜索引擎，致力于打造一个针对AI人才（研究员、工程师）的垂直社交与招聘平台。在零推广的情况下，这款产品在内测期吸引了Meta、xAI、OpenAI的核心贡献者，甚至IKEA AI Lab的首席科学家主动注册。

这不仅仅是一个AI时代如何做招聘的故事，更是关于AI时代，我们该如何重新衡量「人」的价值。

01

简历已「死」，GitHub万岁

在硅谷，传统的招聘逻辑正在凋零。

过去，猎头通过LinkedIn筛选「斯坦福毕业」、「谷歌工作经历」等标签。但在AI领域，这种基于Title的筛选正在失效。「很多年轻的AI人才更新领英不频繁，或者他们的履历看起来平平无奇，但在开源社区里却是大神。比如Sora2的研究员Harold Li,你在领英只能看到他毕业于UCLA,是一个博士生」Sam说道到。

Dinq的核心逻辑是：在AI时代，成果比简历更诚实。

用户无需手动填写简历，只需提供GitHub或Google Scholar链接，AI会自动抓取数据生成个人主页，展示论文引用、代码Star数等关键指标。

也就是说，当你输入一个人的GitHub或Google Scholar链接，Dinq的Agent就会自动开始工作。它会基于ReAct架构，像一个经验丰富的技术面试官进行深度推理：

首先是看代码含金量，这个人给HuggingFace的Transformers库提过PR吗？是核心功能贡献还是简单的文档修复？

然后看学术影响力，不只看引用数，Agent会深入论文页面（Sub-page scraping），从3000个作者名单中精准定位到他的贡献位次，甚至识别出他是某某项目的核心贡献者。

最后看社交影响力，他在Twitter或Reddit上的技术讨论活跃度如何？

「我们曾做过一个测试，找OpenAI视频模型Sora2的核心华人贡献者。竞品搜出来的是一堆不相关的工程师，而我们的Agent能精准地把这十几个人列出来。」Sam对此非常自信。

这种精准度背后，是一套复杂的工程。Dinq利用Anthropic的Claude Opus 4.5模型作为「大脑（Planner）」进行意图识别，指挥专门针对GitHub、Arxiv等平台的Sub-agent（子智能体）进行深度检索，并利用MCP（模型上下文协议）高效连接不同数据源。

「这不仅是找人，也是为大模型准备『燃料』。」Sam认为，Dinq本质上是在做数据的编排与聚合。通用大模型调用单一渠道的信息往往是片面的，而Dinq将分散在全网的碎片化数据，整合成了一份AI能读懂的「全息档案」。

02

信任传导：从「你是谁」到「你认识谁」

试用Dinq时，极客公园发现了一个有趣的功能：Network（关系网）。

当搜索某位知名研究员时，系统不仅展示了他的履历，还生成了一张核心关系图谱——他最紧密的6个合作者是谁？是Meta的同事，还是伯克利的导师？

「在学术和技术圈，信任是可以传递的。」Sam解释道，「如果你不了解一个人，但发现他的核心合作者是大牛，或者他的校友圈都在做最前沿的研究，这种『非事实性』的延展信息，往往比简历上的自我介绍更具参考价值。」

这其实切中了B端招聘最隐痛的需求：背调与信任。

通过Agent的推理能力，Dinq试图将这种隐性的人际关系显性化。Sam透露，他们目前还在测试利用多模态模型分析候选人的「主观特质」，通过分析博客风格、代码习惯，来推测候选人的性格和潜在的榜样。

「我们甚至能回答『帮我找一个跟这个候选人背景类似，但更年轻的异性』这样模糊且复杂的指令。」在内部Benchmark测试中，这种抽象搜索的能力远超传统的关键词匹配。

以官方提示词库里的「Find GTM experts for AI agent products.Focus areas:-Product-led growth-Developer adoption strategies-Early-stage scaling Product type:AI-native or developer tools Preference:Proven track record in growth」为例：

视频来源：极客公园

可以看到，Dinq先将需求拆解为四个关键维度的交集，确立了搜索的「靶心」，包括产品类型、增长模式、所处阶段以及核心能力。

随后Dinq采用了「从概念到实体」的搜索路径进行多维度的广度搜索，包括关键词搜索：检索「AI agent GTM experts」，「Developer adoption strategy」、「PLG for AI tools」等组合，寻找行业白皮书、播客嘉宾名单和高引用的技术博客（如Lenny's Newsletter,Reforge）；标杆公司锚定：锁定该领域公认的成功公司（如Notion,Mistral AI,OpenAI,Twilio,Snyk），反向查找其早期核心增长负责人或GTM操盘手。

然后在找到候选人后，进行了两轮筛选以确保匹配度：第一轮（相关性）：剔除仅有纯销售背景或仅有Web2消费级产品经验的人选，保留具备SaaS/AI/开源复合背景的专家；第二轮（含金量）：重点核查其过往业绩是否包含「从0到1」或「从1到10」的关键战役（例如：Rachel Hepworth推动Notion用户过亿，Jeff Lawson定义了API经济）。

最后则将筛选出的10位专家按专长进行了结构化分类，包括PLG专家，开发者生态专家，企业级销售转型以及投资人视角。

可以看到Dinq将模糊的需求（「AI Agent」、「GTM专家」），转化为了具体的「搜索锚点」（即：不找「营销专家」，而是找「PLG操盘手」和「开发者社区负责人」）。同时，通过锁定Notion、Twilio等成功企业「顺藤摸瓜」，保证了产出名单的下限很高。这是一种风险最小化的搜索策略。

03

Agent Native的招聘未来

Sam作为一个「92年的AI圈老兵」，对年轻一代的观察充满危机感也充满希望。

Dinq创始人Sam｜图片来源：受访者

「现在的00后，遇到代码bug直接丢给Cursor，遇到文书工作丢给ChatGPT。他们是Agent Native（AI原生）的一代。」Sam认为，这群人的求职方式也将发生根本性改变。

现在的年轻人依然在海投简历中感到挫败，效率是一个问题，但更关键的，是匹配逻辑的问题。

Sam构想的未来是：未来的AI开发者们将不再需要刷Boss直聘或Indeed，而是直接告诉自己的Personal Agent需求是什么：「我想找一个重视开源文化的AI基础设施团队，最好在湾区。」

Agent会根据你的代码风格、过往项目和全网影响力，自动去匹配最适合的机会，并完成投递。Dinq现在的「测身价」、「自动生成主页」只是第一步，最终它想成为这个流程中的核心基础设施。

「未来的工作，任务（Task）和智能（Intelligence）是高度纠缠的。」Sam说道。在这个体系中，能够熟练驾驭AI工具、拥有独特审美的「超级个体」，其价值将被无限放大。

在采访的最后，Sam谈到了他发起的「青稞社区」，这是一个旨在汇集AGI时代青年科学家社区的存在。目前已聚集了3万多名年轻的研究员和开发者，他们中的许多人，可能就是下一个OpenAI或DeepSeek的核心成员。

「智力的垄断一旦形成，往往需要百年才能逆转。」Sam向极客公园提起一篇Nature的研究，指出在60多个关键AI技术领域中，华人研究者已经占据了压倒性的优势。

相比做一个传统的招聘软件，Dinq更想在为这个即将到来的「智力资本时代」修建基础设施。此前Dinq已完成一轮种子轮融资，投资方为蓝驰创投，目前正在洽谈新一轮融资。

当一位埃及的足球教练开始用AI分析青训数据，当一位宜家的科学家在深夜注册Dinq的账号，我们知道，一些曾被视为未来的场景，已经在开始成为当下世界运行的一部分。

在这个时代，定义你的不再是名片上的Title，而是你留在这个数字世界里的每一次Commit，每一篇Paper，以及你与这个智能世界的每一次交互。"