Meta 招聘流程是 FAANG 裡最穩定的：Coding × 2 + 系統設計 × 1 + 產品 / Product Sense × 1 + BQ × 1 是標準 5 輪 onsite。但穩定不等於簡單——每輪都有 Meta 獨特的考察點。本篇按完整 onsite 流程拆解，給出考察點、應答框架、與 VO輔助 實戰路徑。
Meta Onsite 流程速覽
| 輪次 | 形式 | 時長 | 主考方向 |
|---|---|---|---|
| Coding 1 | CoderPad | 45 分鐘 | 2 道 LC Medium |
| Coding 2 | CoderPad | 45 分鐘 | 2 道 LC Medium |
| 系統設計 | 視訊白板 | 45 分鐘 | 大規模分散式系統 |
| Product Sense / PM | 視訊 | 45 分鐘 | 使用者增長 / 指標 / 設計 |
| BQ（Jedi） | 視訊 | 45 分鐘 | 行為面 / 價值觀 |
第一階段：Coding 兩輪
Meta Coding 題面特徵
- 2 道 LC Medium / 45 分鐘：平均 22 分鐘一道
- 必須能講清楚思路再開始寫
- 優化要主動：第一遍寫完後，面試官期待你說「現在是 O(n²)，能不能優化到 O(n log n)？」
- 測試主動：寫完程式碼立刻給 2–3 個 corner case，自己跑一遍
Meta 高頻題方向（按真題密度）
- 二維矩陣 / DFS / BFS（islands、最短路徑）
- 滑動視窗 + 字串（LRU、Longest Substring）
- 二元樹 / Trie（path sum、autocomplete）
- 設計題（設計 Twitter feed、設計 chat room）
- 圖演算法（topological sort、union-find）
示例：滑動視窗 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)
易錯點：move_to_end 和 popitem(last=False) 必須搭配；社區反饋最常見錯誤是用普通 dict + list（O(n) 刪除）超時。
第二階段：系統設計
Meta 系統設計題面特徵
- 45 分鐘，包括澄清 5 分鐘 + 設計 30 分鐘 + 收尾 10 分鐘
- 大規模真實業務：News Feed、Instagram Story、Messenger、Live Comment
- 重點考察：data model、scalability bottleneck、consistency vs availability
應答框架（10 步法）
- 澄清需求（scale 數字、讀寫比、latency 目標）
- 估算 capacity（QPS、storage）
- 資料模型
- 高層架構
- API 設計
- 資料儲存選型
- 快取策略
- 非同步處理（佇列 / batch）
- 可擴展性瓶頸
- 故障恢復
Meta 真題：設計 News Feed
考察點：
- fan-out on write vs fan-out on read（fan-out on read 更適合高活躍使用者）
- 混合策略：超大 V 用 pull，普通使用者用 push
- ranking：CTR + recency + diversity
- 快取：Redis 存最近 200 條 feed
第三階段：Product Sense（PM / 部分 SDE 也有）
題面特徵
- 「Meta 想推一個新功能 X，你會怎麼定義成功？」
- 「Reels 留存下降 5pp，你怎麼 root cause？」
- 「設計一個新的內容審核機制，你會怎麼權衡 false positive / false negative？」
應答框架
- 澄清：使用者畫像 / 時間視窗 / 資料源
- 拆解：北極星指標 → driver tree → 輸入指標
- 假設排序：按機率 × 影響力排序
- 驗證計畫：拉資料 + A/B + Qual
第四階段：BQ（Jedi 面）
Meta 價值觀（5 大）
- Move Fast
- Focus on Long-term Impact
- Build Awesome Things
- Live in the Future
- Be Direct & Respect Your Colleagues
題面特徵
- 「最 challenging 的 conflict 和你怎麼處理」
- 「最 proud 的專案 + 量化 impact」
- 「失敗的專案和你學到什麼」
應答 STAR + 量化
每段必含：
- 數字：impact、人數、時間
- 反思：如果重來一次你會怎麼做
- 價值觀映射：哪條 Meta 價值觀對應
Meta 招聘流程時長
| 節點 | 中位 |
|---|---|
| Recruiter 到電面 | 5–10 天 |
| 電面到 onsite | 2 週 |
| Onsite 到 verbal offer | 1 週 |
| 全流程 | 4–6 週 |
通過率：社區反饋 電面 ~30%，onsite ~25%。
VO輔助 實戰路徑
oavoservice 的 VO輔助 服務
- Coding 45 分鐘雙題模擬：CoderPad 限時 2 道 LC Medium + 主動優化訓練
- 系統設計 10 步法：News Feed / Instagram Story / Live Comment 三套白板劇本
- Product Sense 案例庫：Meta + Instagram + WhatsApp + Reels 共 15 個真實案例
- BQ Jedi 題庫 + 價值觀映射：30 道 BQ 題 + 5 大價值觀映射範本
我們見過的 Meta 面試難點
Meta 面試官特別看「速度 + 主動優化」。我們見過候選人程式碼正確但因為沒主動說「能不能優化」被記 weak signal 掛掉。VO輔助 學員我們會逐題練「先講思路 → 寫 → 優化 → 測」四步反射。
具體方案與報價，加微信 Coding0201 溝通。
FAQ
Meta 電面和 onsite 難度差多少？
電面 1 道 LC Medium 45 分鐘；onsite 2 道 LC Medium 45 分鐘。onsite 速度要求高一倍。
Meta 系統設計要求畫圖嗎？
強烈建議。Excalidraw 或實體白板都可，重點是資料流圖 + 資料模型。
Meta BQ 沒準備過 STAR 怎麼辦？
Meta BQ 重「真實 + 量化」，STAR 範本套不上時直接講故事，但必須有數字 + 反思。
Meta 沒拿到 offer 冷卻期？
12 個月，跨崗位（SDE → ML / PE）一般另算池子。
正在準備 Meta / Instagram / WhatsApp / Reality Labs 面試？
oavoservice 長期追蹤 Meta / Instagram / WhatsApp / Reality Labs / Quest 的 SDE / PE / ML / PM 面試真題。mentor 來自一線 News Feed / Reels / Messenger / Ads 團隊，可以提供 Coding 45 分鐘雙題模擬、系統設計 10 步法、Product Sense 案例庫、BQ Jedi 演練 等 VO輔助 服務。
👉 立即添加微信：Coding0201，獲取 Meta 完整面試準備指南與 VO輔助 方案。
聯絡方式
Email: [email protected]
Telegram: @OAVOProxy