大家对 Facebook 的熟悉程度毋庸置疑，一个拥有全球用户的巨头公司，前段时间还发布了
加密数字货币项目—— Libra 的白皮书，引发了业界广泛关注和讨论（
Facebook 元老独家解读 Libra，共话数字&现实世界全新机遇和挑战
）
。
今天我们分享的文章，作者是一位在 Facebook 深耕四年的工程师，为我们介绍 Facebook 的企业文化与工作心得。
以下为正文，希望对你有帮助:)
本人毕业第一家公司就是 Facebook。在 Facebook 深耕四年。深受其文化熏陶影响。在此之后无论工作学习生活都潜移默化践行着 Facebook 的文化思维模式。回国后许多同学好奇 Facebook 的文化体系是如何影响公司发展的。今天我就以亲身经历和大家分享一下。
# 想进 Facebook，要极其聪明
要理解一个公司的企业文化，得先理解这个公司的人。Facebook 一直致力于找到最优秀的人才。我研究生毕业的时候学的是计算机，但由于我只学了一年半时间，我的计算机知识并不扎实。毕业的时候面试了很多公司，很神奇的是小公司几乎没有几家要我的，而像 Facebook，Google 这样的大公司反而都给了我 offer。
后面我想明白了，小公司要的是你的经验能力。能上手马上就能帮公司干活出活。
而 Facebook 要的是你的人。
只要你足够聪明，稍加以培养，便能持续给公司输出更大的价值。
这有点像投资的逻辑，有的人希望在确定性比较高的时期买入公司股票，榨取剩余价值后及时退出。也有的人看好的一些低价高潜的公司，在早期投入长期持有，在后期给自己带来意想不到的超额利润。Facebook 属于后者，也应该是更高明的决策。但这个模型要求企业能留住人才，这个我在后面会详细论述。
当年面试 Facebook 的时候，每道算法题目大概只有 15 分钟的时间，在高压下如果还能保持清晰严谨的逻辑，才能说明你的逻辑思维经得起考验。我记得有个题目我写满了一个黑板，里面有大大小小的语法错误，但是逻辑没有问题，面试官也不会计较。还记得有一道面试题需要你现场学习一种新的技能，然后通过算法逻辑解决一个新规则下的问题。当时我灵机一动用了一个数学的 trick 巧妙地解决了这个问题。面试官说：「oh，我还是第一次看到这种解法 :p」。
所以对于人才的选择，Facebook 的做法是：它不关心你之前做什么，会什么技能，有多少年的工作经验。它更关心的是你是否足够聪明，能够长期给企业带来更大的价值。因为技能经验永远可以被习得（而且现在信息发达可能可替代得更快），但底层思维学习能力却很难被培养改变。
所以 Facebook 基本上招的都是「聪明的年轻人」。但也因为标准严格，每年的录取率都只有不到 2%（远低于哈佛大学的录取率）。这也使得后面我从「新兵训练营」中招人非常轻松，因为我知道这些新人都是聪明，可塑性强的人才。他们几乎能胜任任何工作。
这也让你在 Facebook 的工作体验非常「爽」。很多事情，你随便一说，对方就能马上 get 到那个点，不用重复解释怕对方不理解。一个非常难解决的问题，往往两三个人聚在一起讨论一下，就马上能想出解决方法。
# 让你感觉这是全世界最好的公司
人是招进来了，公司希望留住你。「钱」固然是有效的方式，但并不高明。虽然 Facebook 的工资水平在行业中也算比较高的。
Facebook 会让你做你感兴趣的工作。这个说起来简单，我一直也是这个认知。不然大家做自己不喜欢的工作为了什么？但后面发现其实大部分公司都因为各种因素很难匹配到。
具体来说，当我拿到 Facebook offer 的时候，它并没有告诉我具体要去哪个组，而是让我们都进一个叫「Bootcamp」（新兵训练营）的 program。在那里，你有 8-10 周的时间学习你感兴趣的技能，并且在这个过程中选择你感兴趣的组加入。相反当时 Google 给我的 offer 只有三个组选择。入职的前几周，我真的像回到了学校一样。每天选课，上课，和同学讨论作业题。内部有 Facebook 大学，你的导师会建议你选一些课程，你也可以自己选感兴趣的课程。
课程的种类很多：有数据分析，有产品，有编程语言，有沟通演讲技巧，管理学..etc 教授课程的老师都是 Facebook 的员工（我也有幸讲过课）。除了讲授基础技能的同时也会结合 Facebook 运用实例来分析具体知识在工业界上的应用。还记得之前学习的增长方法论对我后面的成长有很大的启发作用。所以你以前没学过 php？不懂移动技术？不懂如何做产品和数据分析？这都不重要，在这里你能在短时间内补齐工作所需要的任何技能。
到了第 4 周以后，你就可以和各个组的 manager 面谈了，了解每个组都在做什么，你对哪个组感兴趣。如果你感兴趣，那个组的 manager 就会给你一些简单的 task。你通过完成他们组的任务，便能更好地了解这个组的团队和所做的事情。Bootcamp 毕业了以后，你便可以加入到这个组里面去。
Facebook 这样做，是为了让每一个员工做自己擅长并感兴趣的事。
在更高效挖掘每个人潜力的同时赋予了每个员工更强的使命感。
Facebook 会想尽办法帮你节省时间，让你把更多的时间花在工作上。
中午就不用浪费时间出去吃饭了，在 campus 里有各种风味的餐厅，走路距离便可免费享受到各地的美食。也不用浪费时间洗衣服，公司有专门的人员帮你免费洗完叠好送回去。如果你还能住在公司 10miles 以内的房子，那么恭喜你，你将会获得 1.5 万美金的奖励。
Facebook 会让你做能「改变」时间的事情。入职的第一天，就会跟你说你来这工作的使命就是连接世界上的每一个人。让你感到心血澎湃。实际上工作的确有这种体验。我印象很深刻的是我之前做的一个产品：「推荐好友」 的一个大改版。有一次坐地铁的时候看到有用户在用这个产品浏览自己可能认识的朋友。在那一刻你会有无比的自豪感，的确，
你做的产品每天正在影响着全球上亿的用户。
# 完全开放透明的文化
走进 Facebook 的办公室，你会发现所有的会议室都是透明的玻璃门。从这个细节就可以表明 Facebook 对公开开放文化的态度。公司一切产品和代码都是公开的。我以前做技术的时候，经常要跨组跨技术栈去修改各种代码。还记得在刚开始做视频广告产品的时候，iOS 缺人了我便去写 iOS 的代码，过了一段时间那个项目 Android 缺人，我又马上自学 Android 参与到客户端开发。后端不够了，我也得补上。过了一段时间对 machine learning 有兴趣，又要开始写一些 AI 的项目。每个工程师都可以查看和修改公司内所有的代码。
Facebook 所有数据几乎都是打通的。你几乎可以对任何业务进行数据分析，但这并不代表你可以侵犯用户隐私。你只能看到聚合性的数据。如果你 query 任何一个用户的具体数据，首先你不怎么可能能 query 到，因为有安全保护的架构，即时你真的 query 到了，内部有报警机制，你将马上被开除，没有任何情面。
因为这种开放的企业文化，我成长得非常快。公司内部大大小小的项目，只要你感兴趣，都可以在 internal group 里面找到。因为我对产品很感兴趣，一有时间，我就开始研究公司内大大小小的项目。从立项前的市场用户调查，到项目的各种迭代，再到后面的数据分析和上市后的市场推广，我都有在 follow。有时候还会去参加他们的会议。在短时间内累计了大量的产品经验。
很多项目成功了或者失败了也会有总结会
，项目的人员也非常乐意分享所有的项目细节。就算你没做这个项目，也能从中学到很多。
每个高层规定每隔一段时间就会有公开的 Q&A 大会。扎克伯格是每周一次。员工都可以参加，在 Q&A 会上，高层人员会向大家汇报公司发展和方向上的进展。以及会预留大量的时间给大家提出问题。有很多时候会涉及很多敏感问题，大家都交流得非常直接毫不避讳。
# 「黑客」文化
Facebook 最有明的文化标语就是：「Move fast and break things」。意思就是说你如果有什么好的想法，就要快速行动做出东西，就算有时候把东西搞砸了也没关系。
这后面传递着一种「黑客」精神。两层意思：
第一，有了想法，你要快速去实现它，而不是只停留在你的脑子里或者要规划很久
，这不是 Facebook的风格。第二，
为了实现你的想法，你可以通过一些「聪明」/取巧/创新的解决方案去实现它。
即使有时候这会弄砸其他的东西，也没关系。
我在刚入职不到一年的时候就参加了 Facebook 内部举行的 Hackathon。Hackathon 就是如果你有想法，但是在平时工作的时候没办法立项，你就可以通过 Hackathon 的形式快速做出原型展示出来。如果项目被选中，还有机会和扎克伯格一对一交流这个项目。
第一次参加这个项目的时候是基于一个很简单的想法：通过数据发现很多 Facebook 的 post 大家只发了图片而没有配上文字，而有文字的 post 比没有文字的 post 无论是点击率还是互动率都要高很多。调研后发现其实大家不配上文字是因为不知道写什么。我就想能不能在用户准备发 post 的时候基于图片给用户一些提示的文字标题。
比如你 post 了一张埃菲尔铁塔的照片，系统会扫描图片给出一些推荐标题供用户选择。当时我没想太多就报名了，发现这个项目其实非常难做。也因为时间很少，第一个版本我完全是 hack 的，那些推荐的标题都是我在本地写好的，然后匹配对应的图片，推荐出我本来写好的标题。一天的时间就做完了。demo 的时候非常顺利，评委们都打出了高分。准备一个星期之后和扎克伯格见面聊这个项目。当时非常慌，给扎克伯格试的 demo 一定要是真实能 work 的。
这时候我才去找了很多人询问怎么做图像识别和文字语义匹配。幸运地发现有一个组刚好在做图像转文字的机器学习项目。当时说有机会和扎克伯格见面，AI 组的成员都非常兴奋，纷纷表示要加入我的项目。当时处理一张图片的时间大概要 1 分钟的时间回传结果。在那个星期，我们借了几台机器，做了一些算法上的优化，把图像分析的时间缩短到了 10 秒以内。在最后一刻准备好了真实的 demo，和扎克伯格的 demo 也非常顺利，间接推动了这个方向许多项目的进展。
