最近一场对战
胜利排位赛
JP
LUJP更新于2天前
Steam
OtherC100%
SteamOtherC100%けんたろう Mk-2
Let's Do This
MR 1,670#39,733最近 10 场9–1+63最近 20 场13–7+52
胜率
52%
109 胜 · 99 负 · 已存 208 场
排位赛对战
208
已选模式
胜场
109
排位赛
负场
99
排位赛
最高 MR
1,692
JP
排位 MR · JP
本地 208 · 导入 0 · 图表显示 208 · 已存 230 场对战
尚未请求回放
JPLUJP按差值绝对值从大到小排列23 项习惯
| 习惯 | けんたろう Mk-2 | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 66.2% | 56.6% | +9.6% | |
| 斗气前冲（取消） | 16.9% | 23.1% | -6.2% | |
| 斗气技 | 37.0% | 32.1% | +4.9% | |
| SA3 | 14.9% | 19.2% | -4.3% | |
| 版边压制 | 7.10 | 10.77 | -3.67 | |
| 斗气防御 | 16.4% | 12.8% | +3.5% | |
| SA1 | 16.2% | 19.2% | -3.0% | |
| CA | 2.7% | 5.0% | -2.3% | |
| 被困版边时间 | 13.70 | 12.04 | +1.66 | |
| 斗气招架 | 3.40 | 2.07 | +1.33 | |
| 斗气前冲（招架） | 7.5% | 6.5% | +1.0% | |
| 投技 | 1.00 | 1.97 | -0.97 | |
| 受到投技 | 1.70 | 2.13 | -0.43 | |
| 斗气迸放消耗 | 1.7% | 2.1% | -0.4% | |
| 精准招架 | 0.40 | 0.79 | -0.39 | |
| 招架时被投 | 0.20 | 0.41 | -0.21 | |
| 拆投 | 0.20 | 0.39 | -0.19 | |
| 斗气迸放 | 0.20 | 0.34 | -0.14 | |
| 斗气反攻 | 0.00 | 0.13 | -0.13 | |
| 受到惩罚反击 | 0.20 | 0.08 | +0.12 | |
| 造成昏厥 | 0.00 | 0.09 | -0.09 | |
| 受到昏厥 | 0.00 | 0.04 | -0.04 | |
| 惩罚反击命中 | 0.10 | 0.13 | -0.03 |
从数据到练习
最近100场对战计划
根据此档案的习惯和战绩，生成可在实战中验证的思路。习惯统计涵盖所有角色；所选角色用于确定对照组。
正在检查已保存的对战计划…
使用OpenRouter的免费AI模型分析公开档案统计。计划会保存以供共享和复用。建议是基于统计的假设，并非回放视频分析。已保存的对战计划
保留生成时依据数据和日期的AI计划。展开即可阅读两种视角。
JP · 最近100场
需要改进的地方
找出惩罚反击的原因
受到惩罚反击：档案 0.2 · 参考 0.08
分别回看五次受到和打出的惩罚反击。先区分空挥与被防后留出破绽，再选择练习目标。
试试这样做在训练中重现一个反复出现的场景，检查距离和帧数计量表，再练习更稳妥的选择或确实能命中的反击。
数据依据
- 受到惩罚反击：档案 0.2 · 参考 0.08
- 惩罚反击命中：档案 0.1 · 参考 0.13
追踪位置得失的过程
被困版边时间：档案 13.7 · 参考 12.04
回看五次被逼到角落的过程。除了最后的脱身尝试，也要找出更早交出空间的决策，并对照成功压制角落的场景。
试试这样做在训练中重现反复出现的位置，比较常用应对与较少露出破绽的替代选择，再观察下一组对战中进入角落的频率。
数据依据
- 被困版边时间：档案 13.7 · 参考 12.04
- 版边压制：档案 7.1 · 参考 10.77
让斗气迸放有明确目的
斗气迸放：档案 0.2 · 参考 0.34
回看五次斗气迸放，记录使用场景和结果。保留有效用法，研究反复失败的原因，而不是追求参考平均次数。
试试这样做在不同训练人偶槽位记录斗气迸放与普通攻击，混合播放，练习辨别并选择当前量表状态下可用的应对。
数据依据
- 斗气迸放：档案 0.2 · 参考 0.34
- 斗气迸放消耗：档案 1.7% · 参考 2.1%
AI根据引用统计选择经过检查的练习方案并排序。习惯涵盖整个档案，角色战绩与近期样本的统计范围不同。这些是供验证的思路，并非已确认的弱点或视频分析。 最近100场比赛的已报告趋势，并非生涯习惯平均值。
数据保存于2026年9月12日 · AI：nex-agi/nex-n2.5-mini:free
如何应对这位玩家
把对局战绩当作观察线索
对阵Luke：141场中获胜75场
较低胜率提示可以研究哪些录像，但不保证选角优势。确认同一种困难场景是否出现在多场比赛中。
试试这样做如果你使用引用的角色，就试一次录像中熟悉的场景。对方应对良好时，放弃原假设，按实际表现调整。
数据依据
- 对阵Luke：141场中获胜75场
- 对阵Terry：137场中获胜94场
- 对阵Yasmine：90场中获胜45场
区分持续倾向与偶发失误
已保存的近期排位赛样本：100场中获胜56场
研究多场近期比赛，对照胜局与败局。围绕重复场景准备，不要只记住一次显眼失误。
试试这样做用第一回合验证一个观察假设。若重复出现，就应用准备好的调整；若没有，就放弃假设并观察新模式。
数据依据
- 已保存的近期排位赛样本：100场中获胜56场
先试探实际防守反应
斗气招架：档案 3.4 · 参考 2.07
尝试一次熟悉的压制场景并观察真实反应，再据此变化下一次选择。不要把事件次数当作成功率。
试试这样做在理解的局面中尝试常用的打投选择。只在反应稳定时继续针对；对方开始调整时，就改变节奏或重新拉开。
数据依据
- 斗气招架：档案 3.4 · 参考 2.07
- 精准招架：档案 0.4 · 参考 0.79
- 斗气反攻：档案 0 · 参考 0.13
AI根据引用统计选择经过检查的练习方案并排序。习惯涵盖整个档案，角色战绩与近期样本的统计范围不同。这些是供验证的思路，并非已确认的弱点或视频分析。 最近100场比赛的已报告趋势，并非生涯习惯平均值。
数据保存于2026年9月12日 · AI：nex-agi/nex-n2.5-mini:free