Meta 招聘流程是 FAANG 里最稳定的：Coding × 2 + 系统设计 × 1 + 产品 / Product Sense × 1 + BQ × 1 是标准 5 轮 onsite。但稳定不等于简单——每轮都有 Meta 独特的考察点。本篇按完整 onsite 流程拆解，给出考察点、应答框架、与 VO辅助 实战路径。
Meta Onsite 流程速览
| 轮次 | 形式 | 时长 | 主考方向 |
|---|---|---|---|
| Coding 1 | CoderPad | 45 分钟 | 2 道 LC Medium |
| Coding 2 | CoderPad | 45 分钟 | 2 道 LC Medium |
| 系统设计 | 视频白板 | 45 分钟 | 大规模分布式系统 |
| Product Sense / PM | 视频 | 45 分钟 | 用户增长 / 指标 / 设计 |
| BQ（Jedi） | 视频 | 45 分钟 | 行为面 / 价值观 |
第一阶段：Coding 两轮
Meta Coding 题面特征
- 2 道 LC Medium / 45 分钟：平均 22 分钟一道
- 必须能讲清楚思路再开始写
- 优化要主动：第一遍写完后，面试官期待你说「现在是 O(n²)，能不能优化到 O(n log n)？」
- 测试主动：写完代码立刻给 2–3 个 corner case，自己跑一遍
Meta 高频题方向（按真题密度）
- 二维矩阵 / DFS / BFS（islands、最短路径）
- 滑动窗口 + 字符串（LRU、Longest Substring）
- 二叉树 / Trie（path sum、autocomplete）
- 设计题（设计 Twitter feed、设计 chat room）
- 图算法（topological sort、union-find）
示例：滑动窗口 LRU 改造
from collections import OrderedDict
class LRU:
def __init__(self, cap):
self.cap = cap
self.cache = OrderedDict()
def get(self, key):
if key not in self.cache:
return -1
self.cache.move_to_end(key)
return self.cache[key]
def put(self, key, val):
if key in self.cache:
self.cache.move_to_end(key)
self.cache[key] = val
if len(self.cache) > self.cap:
self.cache.popitem(last=False)
易错点：move_to_end 和 popitem(last=False) 必须搭配；社区反馈最常见错误是用普通 dict + list（O(n) 删除）超时。
第二阶段：系统设计
Meta 系统设计题面特征
- 45 分钟，包括澄清 5 分钟 + 设计 30 分钟 + 收尾 10 分钟
- 大规模真实业务：News Feed、Instagram Story、Messenger、Live Comment
- 重点考察：data model、scalability bottleneck、consistency vs availability
应答框架（10 步法）
- 澄清需求（scale 数字、读写比、latency 目标）
- 估算 capacity（QPS、storage）
- 数据模型
- 高层架构
- API 设计
- 数据存储选型
- 缓存策略
- 异步处理（队列 / batch）
- 可扩展性瓶颈
- 故障恢复
Meta 真题：设计 News Feed
考察点：
- fan-out on write vs fan-out on read（fan-out on read 更适合高活跃用户）
- 混合策略：超大 V 用 pull，普通用户用 push
- ranking：CTR + recency + diversity
- 缓存：Redis 存最近 200 条 feed
第三阶段：Product Sense（PM / 部分 SDE 也有）
题面特征
- 「Meta 想推一个新功能 X，你会怎么定义成功？」
- 「Reels 留存下降 5pp，你怎么 root cause？」
- 「设计一个新的内容审核机制，你会怎么权衡 false positive / false negative？」
应答框架
- 澄清：用户画像 / 时间窗 / 数据源
- 拆解：北极星指标 → driver tree → 输入指标
- 假设排序：按概率 × 影响力排序
- 验证计划：拉数 + A/B + Qual
第四阶段：BQ（Jedi 面）
Meta 价值观（5 大）
- Move Fast
- Focus on Long-term Impact
- Build Awesome Things
- Live in the Future
- Be Direct & Respect Your Colleagues
题面特征
- 「最 challenging 的 conflict 和你怎么处理」
- 「最 proud 的项目 + 量化 impact」
- 「失败的项目和你学到什么」
应答 STAR + 量化
每段必含：
- 数字：impact、人数、时间
- 反思：如果重来一次你会怎么做
- 价值观映射：哪条 Meta 价值观对应
Meta 招聘流程时长
| 节点 | 中位 |
|---|---|
| Recruiter 到电面 | 5–10 天 |
| 电面到 onsite | 2 周 |
| Onsite 到 verbal offer | 1 周 |
| 全流程 | 4–6 周 |
通过率：社区反馈 电面 ~30%，onsite ~25%。
VO辅助 实战路径
oavoservice 的 VO辅助 服务
- Coding 45 分钟双题模拟：CoderPad 限时 2 道 LC Medium + 主动优化训练
- 系统设计 10 步法：News Feed / Instagram Story / Live Comment 三套白板剧本
- Product Sense 案例库：Meta + Instagram + WhatsApp + Reels 共 15 个真实案例
- BQ Jedi 题库 + 价值观映射：30 道 BQ 题 + 5 大价值观映射模板
我们见过的 Meta 面试难点
Meta 面试官特别看「速度 + 主动优化」。我们见过候选人代码正确但因为没主动说「能不能优化」被记 weak signal 挂掉。VO辅助 学员我们会逐题练「先讲思路 → 写 → 优化 → 测」四步反射。
具体方案与报价，加微信 Coding0201 沟通。
FAQ
Meta 电面和 onsite 难度差多少？
电面 1 道 LC Medium 45 分钟；onsite 2 道 LC Medium 45 分钟。onsite 速度要求高一倍。
Meta 系统设计要求画图吗？
强烈建议。Excalidraw 或物理白板都可，重点是数据流图 + 数据模型。
Meta BQ 没准备过 STAR 怎么办？
Meta BQ 重「真实 + 量化」，STAR 模板套不上时直接讲故事，但必须有数字 + 反思。
Meta 没拿到 offer 冷却期？
12 个月，跨岗位（SDE → ML / PE）一般另算池子。
正在准备 Meta / Instagram / WhatsApp / Reality Labs 面试？
oavoservice 长期追踪 Meta / Instagram / WhatsApp / Reality Labs / Quest 的 SDE / PE / ML / PM 面试真题。mentor 来自一线 News Feed / Reels / Messenger / Ads 团队，可以提供 Coding 45 分钟双题模拟、系统设计 10 步法、Product Sense 案例库、BQ Jedi 演练 等 VO辅助 服务。
👉 立即添加微信：Coding0201，获取 Meta 完整面试准备指南与 VO辅助 方案。
联系方式
Email: [email protected]
Telegram: @OAVOProxy