# GitHub-bijdragerslijsten zijn een vroege wervingspool voor startups > Afkomst en binnenkomende sollicitaties gaven me zwakke signalen, dus begon ik vroege startup-hires te zoeken bij open-source-bijdragers en mensen die ik al kende. - Source: https://jays.fyi/nl/blog/github-bijdragers-wervingspool-startups - Author: Jay Derinbogaz - Published: 2026-08-10 - Language: nl - Tags: startups, hiring, open-source - Reading time: 7 min - Machine translated: yes — original: https://jays.fyi/blog/github-contributor-lists-are-an-early-startup-hiring-pool --- TextCortex begon met mijn pogingen om GPT-2 te fine-tunen voor nuttig creatief schrijven. Dat werk werd het technische startpunt van het product. In 2021 ontmoette ik Dominik Lambersy bij Entrepreneur First in Berlijn. We maakten van het werk TextCortex AI en bootstrapten het bedrijf tot onze eerste institutionele ronde. De [aankondiging van juni 2022](https://textcortex.com/post/democratizing-written-communication-textcortex-raises-1-2-million-pre-seed-to-advance-proprietary-nlg-capabilities-and-launch-chrome-extension) vermeldt $1,2 miljoen onder leiding van btov Partners, nu b2venture, met deelname van Speedinvest en Entrepreneur First. Vóór de ronde kostte werving uren aan het product, klanten en wat er die ochtend ook maar kapot was gegaan. Funding veranderde de bankrekening sneller dan de baan. Ik behandelde beroemde werkgevers als een proxy voor startup-capaciteiten. Ik verwachtte dat academische diepgang zou overgaan in productchaos. Daarna werkte ik me door ATS-sollicitaties terwijl er vanuit elke andere richting urgent werk binnenkwam. Mijn steekproef is één bedrijf, zonder gecontroleerd experiment of conversietabel. Het filter waar ik op vertrouw is simpel: **zoek naar mensen die een nuttig probleem kozen, er in het openbaar aan werkten en doorgingen zonder dat een manager het opdroeg.** Contributors leveren dat bewijs vóór het eerste gesprek. Voormalige collega's kunnen het ook leveren. ## Een beroemd logo meet succes binnen andermans machine Een Google- of Amazon-badge zegt dat de persoon een zwaar sollicitatieproces heeft doorstaan en heeft geleerd op schaal te opereren. Het zegt weinig over wat er gebeurt als de machine eromheen verdwijnt. Een vroege engineer kan vóór de lunch de frontend aanraken, 's middags een infrastructuurfout traceren, een migratie repareren en een klant antwoorden. Zonder platformteam of geschreven proces moet iemand het gat opmerken en het eigen maken. Sommige voormalige big-tech-medewerkers zijn uitzonderlijke startup-hires. Het logo kan ze niet identificeren. Ik maakte dezelfde categoriefout met PhD's. Een doctoraat bewijst dat iemand moeilijk onderzoek in een smal gebied kan afronden. Kan deze persoon een onvolledige klacht omzetten in een productbeslissing en de reparatie uitrollen? Kan hij of zij een mooie aanpak loslaten als de goedkope het bedrijf in leven houdt? Mijn ervaring met het aannemen van PhD's is klein en slecht, dus de claim blijft beperkt. Ik ken geen startup-geschiktheid meer toe voor het diploma. Een bibliotheek onderhouden, side projects uitrollen of over een productstack heen werken levert beter bewijs. ## Je ATS vlakt het nuttigste signaal af ATS-sollicitaties plaatsen de founder in een wachtrij waar kandidaten hebben geleerd er hetzelfde uit te zien. Trefwoorden en samengeperste resultaten vervangen de repository, reviewdiscussie en rommelige beslissingen die eigenaarschap onthullen. Een gebootstrapte startup kan niet elke plek van de hemel inspecteren. Je kiest waar je kijkt. Een ATS begint met mensen die jouw bedrijf hebben geselecteerd. Contributor-onderzoek begint met werk dat zijn auteur heeft geselecteerd. ## Open-sourcewerk laat de bonnetjes achter Een contributie is veel rijker dan een groen vierkantje op een profiel. De commit laat zien wat de persoon heeft veranderd. De pull request laat zien hoe ze het uitlegden. De review laat zien hoe ze reageerden toen iemand het oneens was. De issue-geschiedenis laat zien of ze hielpen nadat het spannende deel was gemerged. Niemand heeft een externe contributor jouw exacte probleem opgedragen. Ze vonden een project, leerden genoeg om het te veranderen en accepteerden dat een maintainer het werk in het openbaar zou kunnen afwijzen. Een doordachte afgewezen pull request kan net zoveel onthullen over oordeel en reactie op feedback als een gemergde. ## De dependency graph bevat al een kandidaatkaart Begin met de software die je bedrijf gebruikt. Bouw je met een open-source componentenbibliotheek? Inspecteer de contributors. Werk je met PyTorch? Kijk naar de mensen die de delen naast je product verbeteren. Een beroemde repository creëert dezelfde pedigree-val als een beroemde werkgever als je de naam najaagt en het werk negeert.
GitHub-zijbalk voor shadcn/ui met 'Gebruikt door 24K' en 607 contributors.
GitHub toonde 607 contributors en 'Gebruikt door 24K' voor shadcn/ui op 10 augustus 2026. Een contributorlijst van een componentenbibliotheek is een praktische plek om een frontend-zoektocht te beginnen.
Die screenshot bevat een wervingspool die een ATS niet kan produceren. Lees de contributies. Vind veranderingen die lijken op de problemen die je bedrijf heeft. Controleer of het werk recent is en of het profiel uitnodigt tot contact. Schrijf dan naar de weinige mensen wiens werk je eerlijk kunt beschrijven. Het eerste bericht moet bewijzen dat je het lezen hebt gedaan: > Ik heb je contributie aan [project] gelezen, vooral de beslissing die je nam in > [specifieke pull request]. We hebben te maken met een gerelateerd probleem bij [bedrijf]. > De rol omvat [daadwerkelijke scope], en de cash- en equity-ranges zijn [ranges]. > Als dat interessant klinkt, wil ik je het probleem laten zien en horen hoe > je het zou aanpakken. Het legt uit waarom deze persoon, stelt de scope bloot en maakt compensatie openbaar. Een krap budget is een bedrijfsbeperking. Het geeft je geen toestemming om de tijd van een kandidaat te verspillen of zwakke cash te verhullen met heroïsche taal. ## Een research prompt is alleen nuttig als het het werk teruggeeft Geef beide modellen een smalle opdracht en eis links. Vervang elk veld tussen haakjes. **Claude:** ```text Research contributors for [ROLE] at [COMPANY, URL]. We build [PRODUCT] with [STACK] and need help with [3 CONCRETE PROBLEMS]. Search [REPOSITORY URL], its dependencies and adjacent projects. Return at most six people. For each, link a profile and two relevant commits, pull requests, reviews or issues. Explain the technical match, judgment shown, recency and uncertainty. Prefer substance over commit counts. Use only public professional information. Never infer protected traits, guess contact details or invent evidence. ``` **ChatGPT:** ```text Research a [ROLE] for [COMPANY, URL] working on [PROJECT AND PROBLEMS]. Search [REPOSITORY URL], its dependencies and related projects. Return at most six contributors in a table: profile, contribution links, problem ownership, response to review, recency, fit and caveats. Every judgment must cite public work I can open. Exclude prolific but weak matches. Do not scrape personal data or draft bulk outreach. Give me one specific question about each person's work. ``` ## Bulk-outreach vernietigt het signaal waar je voor kwam Elke contributor scrapen en de graph in een andere funnel veranderen is de voor de hand liggende shortcut. Doe het niet. GitHub's [Acceptable Use Policy](https://docs.github.com/en/site-policy/acceptable-use-policies/github-acceptable-use-policies) verbiedt expliciet het gebruik van informatie van de service voor spam, inclusief ongevraagde e-mail, en noemt recruiters, headhunters en job boards. Het is ook slecht werven. Specificiteit creëert het voordeel. Automatisering wist het uit en laat dezelfde vlakke wachtrij achter, behalve dat je nu mensen hebt onderbroken die nooit hebben gesolliciteerd. Gebruik de grafiek voor ontdekking, volg de contactroute die een contributor heeft gepubliceerd, maak afwijzen gemakkelijk en stop na een duidelijk gebrek aan interesse. De kleinere lijst is het voordeel. ## Vrienden komen met een lange referentiecheck Mensen die je kent leveren bewijs dat geen enkele interviewcyclus kan reproduceren. Je hebt gezien of ze saai werk afmaken, met conflicten omgaan en je vroeg waarschuwen. Vriendschap vestigt nog geen rolhelderheid, risicoappetijt of overeenstemming over geld en aandelen. Zet die op papier. Leg de lelijke kanten uit met dezelfde zorg die je voor de missie gebruikt. Laat ze het echte probleem zien in plaats van het bedrijf veiliger te laten klinken dan het is. Gebruik dezelfde standaard in interviews. Vraag kandidaten om werk te doorlopen dat ze zelf hebben gekozen, geef ze dan een echt probleem met vertrouwelijke details verwijderd. Let op wat ze vragen en hoe ze omgaan met een onvolledige specificatie. High agency omvat ook het vragen om hulp voordat een probleem duur wordt. ## Goedkoop sourcen kan een slordige filter niet redden Publieke bijdragen hebben hun eigen bias. Ze bevoordelen mensen met tijd, toestemming en zelfvertrouwen om te werken waar vreemden hen kunnen beoordelen. Uitstekende engineers met zorgtaken, restrictieve arbeidscontracten of closed-source carrières laten misschien geen publiek spoor achter. Gebruik publiek werk als een high-signal bron. De afwezigheid ervan bewijst niets. Bepaal wat de functie vereist en schrijf op welk bewijs dat gedrag voorspelt. Nadat de nieuwe medewerker echt werk heeft gedaan, vergelijk je de voorspelling met wat er gebeurde. Als contributor-kandidaten evenveel sturing nodig hebben als ATS-kandidaten, is je theorie mislukt. Verander de filter. Ik kan je geen tabel laten zien die bewijst dat contributors het beter doen dan ex-Googlers, PhD's of sollicitanten. Ik kan wel de filter laten zien die mijn fouten heeft overleefd. Een merk vertelde me waar iemand succes had. Een diploma vertelde me wat ze hadden gestudeerd. Een sollicitatie vertelde me hoe ze zichzelf beschreven. Publiek werk liet me zien wat ze kozen, wat ze opleverden en wat er gebeurde toen iemand anders tegengas gaf. Met een krap budget is zekerheid niet beschikbaar. Bewijs is goedkoper dan een slechte aanwerving, en het zit al in de dependency graph.