最近一场对战
失败排位赛
ED?
对手 · RandomもっちーED更新于3小时前
Steam
JapanM100%
SteamJapanM100%スイレンちゃんtwitch
Let's Do This
MR 1,539#156,868最近 10 场1–9-66最近 20 场8–12-37
胜率
40%
25 胜 · 38 负 · 已存 63 场
排位赛对战
63
已选模式
胜场
25
排位赛
负场
38
排位赛
最高 MR
1,657
Ed
排位 MR · Ed
本地 63 · 导入 0 · 图表显示 63 · 已存 63 场对战
尚未请求回放
EDED按差值绝对值从大到小排列23 项习惯
| 习惯 | スイレンちゃんtwitch | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 9.2% | 23.2% | -14.0% | |
| CA | 19.4% | 9.8% | +9.5% | |
| 斗气技 | 26.4% | 18.1% | +8.3% | |
| 被困版边时间 | 16.30 | 8.93 | +7.37 | |
| 版边压制 | 5.70 | 11.75 | -6.05 | |
| SA3 | 38.8% | 33.7% | +5.1% | |
| 斗气防御 | 9.3% | 12.9% | -3.6% | |
| 斗气前冲（招架） | 3.3% | 6.8% | -3.5% | |
| 斗气前冲（取消） | 38.5% | 35.3% | +3.2% | |
| SA1 | 32.7% | 33.3% | -0.7% | |
| 斗气迸放消耗 | 1.1% | 1.7% | -0.6% | |
| 斗气招架 | 2.20 | 1.92 | +0.28 | |
| 投技 | 2.30 | 2.53 | -0.23 | |
| 斗气迸放 | 0.10 | 0.22 | -0.12 | |
| 受到惩罚反击 | 0.20 | 0.10 | +0.10 | |
| 受到投技 | 2.30 | 2.20 | +0.10 | |
| 斗气反攻 | 0.30 | 0.22 | +0.08 | |
| 造成昏厥 | 0.00 | 0.06 | -0.06 | |
| 受到昏厥 | 0.00 | 0.04 | -0.04 | |
| 惩罚反击命中 | 0.10 | 0.14 | -0.04 | |
| 拆投 | 0.50 | 0.53 | -0.03 | |
| 精准招架 | 0.80 | 0.79 | +0.01 | |
| 招架时被投 | 0.20 | 0.21 | -0.01 |
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。
Ed · 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 0.1
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 0.1
追踪位置得失的过程
版边压制：档案 5.7 · 参考 11.75
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
- 版边压制：档案 5.7 · 参考 11.75
- 被困版边时间：档案 16.3 · 参考 8.93
明确每次量表消耗的目的
斗气前冲（招架）：档案 3.3% · 参考 6.8%
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
- 斗气前冲（招架）：档案 3.3% · 参考 6.8%
- 斗气技：档案 26.4% · 参考 18.1%
- SA2：档案 9.2% · 参考 23.2%
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13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Dee Jay：16场中获胜9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Dee Jay：16场中获胜9场
- 对阵Char 253：278场中获胜140场
- 对阵Akuma：22场中获胜13场
区分持续倾向与偶发失误
已保存的近期排位赛样本：63场中获胜25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：63场中获胜25场
寻找可重复利用的反击机会
受到惩罚反击：档案 0.2 · 参考 0.1
把统计作为观察线索。寻找你已验证在该距离能反击的动作，不要仅凭观感认定它有破绽。
试试这样做该动作出现时，尝试已确认的反击。如果对方不再使用，就恢复平常的距离控制，不必强行寻找机会。
数据依据
- 受到惩罚反击：档案 0.2 · 参考 0.1
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13日 · AI：nex-agi/nex-n2.5-mini:free