最近一场对战
失败排位赛
KE
LUKE更新于2天前
Steam
Japan俱乐部 · wakuwakuMunkeyC100%
SteamJapan俱乐部 · wakuwakuMunkeyC100%むんちゅう
Leotard Liker
MR 1,676#38,430最近 10 场3–7-32最近 20 场7–13-56
胜率
38%
16 胜 · 26 负 · 已存 42 场
排位赛对战
42
已选模式
胜场
16
排位赛
负场
26
排位赛
最高 MR
1,750
Ken
排位 MR · Ken
本地 42 · 导入 0 · 图表显示 42 · 已存 134 场对战
尚未请求回放
KELUKE按差值绝对值从大到小排列23 项习惯
| 习惯 | むんちゅう | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA3 | 48.5% | 35.8% | +12.7% | |
| SA1 | 20.6% | 27.3% | -6.7% | |
| 斗气前冲（取消） | 34.1% | 38.2% | -4.1% | |
| CA | 7.4% | 11.0% | -3.7% | |
| 版边压制 | 16.70 | 13.12 | +3.58 | |
| 被困版边时间 | 6.10 | 8.95 | -2.85 | |
| SA2 | 23.5% | 25.9% | -2.4% | |
| 斗气技 | 14.0% | 14.9% | -0.9% | |
| 斗气招架 | 2.60 | 1.89 | +0.71 | |
| 斗气迸放消耗 | 0.8% | 1.4% | -0.6% | |
| 斗气前冲（招架） | 7.2% | 6.8% | +0.5% | |
| 精准招架 | 0.40 | 0.84 | -0.44 | |
| 受到投技 | 2.60 | 2.26 | +0.34 | |
| 斗气防御 | 13.0% | 12.7% | +0.2% | |
| 拆投 | 0.60 | 0.44 | +0.16 | |
| 斗气反攻 | 0.10 | 0.23 | -0.13 | |
| 斗气迸放 | 0.10 | 0.19 | -0.09 | |
| 招架时被投 | 0.30 | 0.21 | +0.09 | |
| 投技 | 2.50 | 2.57 | -0.07 | |
| 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 | 0.08 | +0.02 | |
| 惩罚反击命中 | 0.10 | 0.10 | -0.00 |
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。
Ken · 最近100场
需要改进的地方
复盘防守决策
斗气招架：档案 0.9 · 参考 1.93
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
- 斗气招架：档案 0.9 · 参考 1.93
- 精准招架：档案 0.4 · 参考 0.8
找出惩罚反击的原因
受到惩罚反击：档案 0.1 · 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 0.1 · 参考 0.08
检查近距离选择
投技：档案 1.6 · 参考 2.62
回看五次近距离交锋，区分投技机会、投技尝试和防守选择。仅靠汇总次数无法判断当时的正确答案。
试试这样做在重复场景中记录打击和投技，练习选定的应对，再检查自己能否在实战中有意识地做出判断。
数据依据
- 投技：档案 1.6 · 参考 2.62
- 拆投：档案 1.1 · 参考 0.45
- 受到投技：档案 2.8 · 参考 2.26
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9日 · AI：nex-agi/nex-n2.5-mini:free
如何应对这位玩家
区分持续倾向与偶发失误
已保存的近期排位赛样本：40场中获胜16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：40场中获胜16场
试探近距离模式
投技：档案 1.6 · 参考 2.62
观察实际的打击、投技和防守选择。出现倾向后，再改变熟悉攻防中的一个部分。
试试这样做同样的反应连续出现两次后，尝试不同选择。如果对方改变反应，就重新混合选项，不要认定这个模式永远有效。
数据依据
- 投技：档案 1.6 · 参考 2.62
- 拆投：档案 1.1 · 参考 0.45
- 受到投技：档案 2.8 · 参考 2.26
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9日 · AI：nex-agi/nex-n2.5-mini:free