這種討論既可以由導(dǎo)師發(fā)起，也可以由需要用人的經(jīng)理發(fā)起。比如我曾在新兵訓(xùn)練營(yíng)里指導(dǎo)過(guò)一個(gè)之前在Google工作的資深工程師（Senior Staff Engineer），原先在Google屬于前3%行列的，水平很高，沒(méi)過(guò)幾天就有好幾個(gè)組的經(jīng)理跟我說(shuō)想找這個(gè)人談?wù)?。?dāng)然，這種情況下，我不希望經(jīng)理直接去找這個(gè)人。我要先做個(gè)篩選，畢竟對(duì)雙方都了解的只有我一個(gè)人，如果是我覺(jué)得合適的組，再問(wèn)下該工程師，看他是否感興趣。另外，要避免過(guò)度的“推銷”，這會(huì)讓員工迷惑、陷入過(guò)多選擇。畢竟對(duì)Facebook很重要的組有很多，有趣的組也很多，如果每個(gè)組都來(lái)向新人推銷一遍，新人的想法就混亂了，反而沒(méi)辦法做出選擇。

導(dǎo)師還有一個(gè)很重要的任務(wù)，就是當(dāng)某幾個(gè)特別重要的崗位急缺人的時(shí)候，要花力氣去“忽悠”合適的人到這些組去。這個(gè)時(shí)候，導(dǎo)師會(huì)循循善誘，極力爭(zhēng)取喚起新人對(duì)這些組重要性的認(rèn)同和對(duì)其業(yè)務(wù)的興趣。我做過(guò)幾例這樣的推銷工作。老實(shí)說(shuō)，這不是最自然的匹配方式，因?yàn)檎T導(dǎo)性太強(qiáng)。

新兵訓(xùn)練營(yíng)結(jié)束后，也會(huì)發(fā)生淘汰的情況，但概率很低。印象中，在我離開(kāi)Facebook時(shí)，像這種情況淘汰掉的總共不超過(guò)10個(gè)人，而參加過(guò)新兵訓(xùn)練營(yíng)的工程師和產(chǎn)品經(jīng)理一共有500多人，淘汰率不到2%。

在我曾經(jīng)帶過(guò)的一期中，有一位伯克利大學(xué)畢業(yè)的專攻機(jī)器學(xué)習(xí)（Machine Learning）的博士，美國(guó)人，有三年多工作經(jīng)歷，很年輕。他很聰明，但有典型的博士風(fēng)格——凡事都要弄得特別深入、特別細(xì)致。這導(dǎo)致了一個(gè)問(wèn)題：速度太慢。一個(gè)我自己去做只用一兩個(gè)小時(shí)就能完成的代碼修復(fù)，一般期待新人最多半天完成，但這位博士為了把前前后后弄得一清二楚，花幾天時(shí)間都搞不定。我們之間有過(guò)多次關(guān)于質(zhì)和量如何平衡的討論，也達(dá)成了他應(yīng)該加快速度、增加產(chǎn)出的結(jié)論。我在多次的表現(xiàn)評(píng)級(jí)上都給了他“搖擺（Shaky）”的評(píng)價(jià)，但似乎改善不多。第四周，我們給了他最后的機(jī)會(huì)，讓他嘗試給動(dòng)態(tài)消息組的機(jī)器學(xué)習(xí)算法部分做一個(gè)改進(jìn)。機(jī)器學(xué)習(xí)算法的一個(gè)特點(diǎn)是對(duì)試驗(yàn)的設(shè)計(jì)、數(shù)據(jù)的獲取和分析要求很高，相對(duì)于其他產(chǎn)品項(xiàng)目，對(duì)質(zhì)量的要求較高、時(shí)間的要求較低，比較適合研究型人才的胃口。所以，這種安排也是希望他能更容易展現(xiàn)自己的特長(zhǎng)。從組里的反應(yīng)來(lái)看，對(duì)他的表現(xiàn)還算滿意。最后我們就讓他進(jìn)了這個(gè)組，沒(méi)有讓他走人。對(duì)于表現(xiàn)不良的新人，雖然總體上Facebook是求快，但在某方面有造詣的工程師，F(xiàn)acebook還是盡可能為他尋找合適的崗位。

這里面其實(shí)也反映出一個(gè)問(wèn)題，就是研究型人才如何在一家節(jié)奏很快的技術(shù)公司立足。Facebook也在慢慢地摸索。

就我個(gè)人做導(dǎo)師的經(jīng)歷而言，新兵訓(xùn)練營(yíng)結(jié)束后我還會(huì)繼續(xù)跟蹤（這不是公司統(tǒng)一要求的）。新兵營(yíng)畢業(yè)一個(gè)月和三個(gè)月后，我會(huì)跟這些新員工再進(jìn)行“一對(duì)一”談話，了解他們感覺(jué)怎么樣，新兵營(yíng)對(duì)他們有沒(méi)有幫助，是否適應(yīng)目前的工作，有沒(méi)有文化溝通上的沖突等。