Lyst 的工程文化是怎样的?
Lyst 的工程文化可以从其工程博客(making.lyst.com)公开的内容中归纳出几个明确特征:有书面的工程原则、重视代码评审、鼓励动手创新、强调知识分享。如果你是想了解这家时尚搜索公司的技术团队怎么工作、是否值得加入或合作,下面这些线索可以作为判断依据。
官方工程原则是文化的起点
博客首页设有 "Our Engineering Culture" 板块,直接指向团队公开的工程原则(engineering principles)。这说明 Lyst 把"怎么工作"当作一件需要明确写下来、对外公开的事情,而不是只靠口口相传。对求职者或合作方来说,这是评估团队成熟度的第一手材料。
代码评审被当作可分析的对象
一篇题为 "What Can 75,000 Pull Requests Tell About Lyst?" 的文章,对 Lyst 内部的代码评审实践做了探索性分析。用 75,000 个 Pull Request 作为样本量来复盘评审流程,反映出两点:
- 代码评审是团队日常开发的核心环节,量大到足以支撑数据分析;
- 团队愿意用数据反过来审视自己的工程流程,而不只是凭感觉。
用 Hackday 鼓励动手与协作
博客记录了 2020 年 12 月举办的 Lyst Hackday。这类活动通常意味着团队会给工程师留出自由探索、跨组协作的时间,把想法快速做成原型。它与日常业务开发形成互补,是创新节奏的一部分。
知识分享是常态,而非例外
从博客内容看,分享行为贯穿多个层面:
| 分享形式 | 例子 |
|---|---|
| 岗位介绍 | "What I Do at Lyst" 系列,如对运维工程师 Lotfi Bentouati 的访谈 |
| 技术复盘 | 微服务迁移、Django Session 存储迁移、Postgres 列变更降停机等实战文章 |
| 外部交流 | PyData London 2016 等会议上的团队亮相 |
| 团队活动 | 数据科学 journal club 的组织经验分享 |
这些内容覆盖了从个人岗位到团队机制的不同粒度,说明分享不是偶发行为,而是被持续输出的。
技术方向上的取向
博客涉及的主题集中在几个方向:微服务架构与配套工具、性能调优(New Relic 与 Python profiler)、数据库迁移与降停机、机器学习在时尚搜索查询理解中的应用、测试栈改进(Selenium)等。可以看出团队以 Python 技术栈为主,关注搜索、数据和系统稳定性,并且习惯把踩过的坑写成可复用的经验。
怎么用这些信息做判断
- 想了解工作方式:先读 "Our Engineering Culture" 的工程原则,再看代码评审那篇分析,能较完整地看到日常协作机制。
- 想评估技术深度:挑微服务、Postgres 迁移、性能调优这几篇实战文章,看他们处理真实问题的方式。
- 想看团队氛围:Hackday 和 "What I Do" 系列能反映创新空间和岗位多样性。
- 想跟进最新动态:博客首页的更新列表是最直接的入口,也可通过其 Twitter、GitHub 链接进一步了解。
需要说明的是,以上均基于博客公开内容,博客本身未提及招聘待遇、团队规模或具体制度细节,这些方面无法从现有资料判断。