最近一场对战
失败休闲赛
AL
MA更新于1周前
Steam
JapanC100%
SteamJapanC100%それには鳥獣戯画の蛙さんも横転
Dream Chaser胜率
—
0 胜 · 0 负 · 已存 0 场
排位赛对战
0
已选模式
胜场
0
排位赛
负场
0
排位赛
最高 MR
—
排位 MR
本地 0 · 导入 0 · 图表显示 0 · 已存 81 场对战
此时间范围内的排位 MR 数据不足。
尚未请求回放
ALMAAL按差值绝对值从大到小排列23 项习惯
| 习惯 | それには鳥獣戯画の蛙さんも横転 | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA1 | 83.5% | 43.0% | +40.5% | |
| SA2 | 8.3% | 28.4% | -20.1% | |
| SA3 | 7.3% | 22.1% | -14.8% | |
| CA | 0.9% | 6.5% | -5.6% | |
| 版边压制 | 5.40 | 9.01 | -3.61 | |
| 斗气技 | 11.0% | 14.2% | -3.2% | |
| 斗气前冲（取消） | 30.6% | 33.0% | -2.5% | |
| 被困版边时间 | 7.90 | 9.88 | -1.98 | |
| 斗气防御 | 12.3% | 14.1% | -1.8% | |
| 斗气前冲（招架） | 9.5% | 8.2% | +1.3% | |
| 斗气招架 | 0.50 | 1.63 | -1.13 | |
| 精准招架 | 0.10 | 0.70 | -0.60 | |
| 投技 | 2.80 | 2.32 | +0.48 | |
| 斗气反攻 | 0.00 | 0.47 | -0.47 | |
| 斗气迸放消耗 | 1.3% | 1.7% | -0.4% | |
| 受到投技 | 1.90 | 2.12 | -0.22 | |
| 招架时被投 | 0.10 | 0.29 | -0.19 | |
| 拆投 | 0.60 | 0.48 | +0.12 | |
| 斗气迸放 | 0.10 | 0.20 | -0.10 | |
| 受到昏厥 | 0.00 | 0.05 | -0.05 | |
| 造成昏厥 | 0.10 | 0.07 | +0.03 | |
| 受到惩罚反击 | 0.10 | 0.12 | -0.02 | |
| 惩罚反击命中 | 0.10 | 0.12 | -0.02 |
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。
Alex · 最近100场
需要改进的地方
复盘防守决策
斗气反攻：档案 0 · 参考 0.47
比较五个防守场景：对手做了什么、你选了什么、结果如何。招架或拆投次数少，并不直接说明防守有弱点。
试试这样做从一个棘手场景记录两种不同选择，练习辨别和应对，再检查下一组对战中的判断是否改善。
数据依据
- 斗气反攻：档案 0 · 参考 0.47
- 斗气招架：档案 0.5 · 参考 1.63
- 精准招架：档案 0.1 · 参考 0.7
让斗气迸放有明确目的
斗气迸放：档案 0.1 · 参考 0.2
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 0.1 · 参考 0.2
- 斗气迸放消耗：档案 1.3% · 参考 1.7%
明确每次量表消耗的目的
SA1：档案 83.5% · 参考 43%
看着实际量表回顾五次资源决策，记录换来了什么以及还剩哪些选择。使用占比本身不能衡量效率。
试试这样做练习熟悉连段的资源消耗版本与节省版本，比较结果和剩余量表，再决定各自适用的场景。
数据依据
- SA1：档案 83.5% · 参考 43%
- SA2：档案 8.3% · 参考 28.4%
- SA3：档案 7.3% · 参考 22.1%
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6日 · AI：dots-studio/dots-3-note-preview:free
如何应对这位玩家
先试探实际防守反应
斗气反攻：档案 0 · 参考 0.47
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
- 斗气反攻：档案 0 · 参考 0.47
- 斗气招架：档案 0.5 · 参考 1.63
- 精准招架：档案 0.1 · 参考 0.7
验证斗气迸放倾向
斗气迸放：档案 0.1 · 参考 0.2
观察特定场景下是否反复出现斗气迸放。考虑距离、硬直和量表，准备在训练中验证过的应对。
试试这样做再次进入该场景时，采用更少暴露破绽的行动。如果迸放出现，就使用练过的应对；如果没有，就回到常规计划。
数据依据
- 斗气迸放：档案 0.1 · 参考 0.2
- 斗气迸放消耗：档案 1.3% · 参考 1.7%
把对局战绩当作观察线索
对阵Ryu：81场中获胜45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Ryu：81场中获胜45场
- 对阵Akuma：61场中获胜35场
- 对阵Luke：45场中获胜21场
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6日 · AI：dots-studio/dots-3-note-preview:free