最近一场对战
MAデストロイ鈴木
排位 MR · Marisa
本地 362 · 导入 4 · 图表显示 366 · 已存 533 场对战
| 习惯 | デストロイ鈴木 | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| CA | 20.5% | 7.3% | +13.2% | |
| SA1 | 29.5% | 41.8% | -12.3% | |
| 斗气技 | 14.4% | 19.0% | -4.6% | |
| 斗气前冲(招架) | 11.7% | 8.9% | +2.8% | |
| 斗气迸放消耗 | 4.2% | 1.8% | +2.3% | |
| SA3 | 30.8% | 32.8% | -2.0% | |
| 版边压制 | 8.30 | 10.02 | -1.72 | |
| SA2 | 19.2% | 18.1% | +1.1% | |
| 斗气前冲(取消) | 30.2% | 29.3% | +0.9% | |
| 斗气防御 | 15.3% | 14.5% | +0.8% | |
| 被困版边时间 | 7.30 | 7.86 | -0.56 | |
| 精准招架 | 0.20 | 0.59 | -0.39 | |
| 投技 | 1.70 | 2.03 | -0.33 | |
| 斗气招架 | 1.30 | 1.56 | -0.26 | |
| 斗气反攻 | 0.10 | 0.33 | -0.23 | |
| 受到投技 | 2.40 | 2.20 | +0.20 | |
| 斗气迸放 | 0.40 | 0.20 | +0.20 | |
| 造成昏厥 | 0.20 | 0.09 | +0.11 | |
| 惩罚反击命中 | 0.20 | 0.11 | +0.09 | |
| 受到惩罚反击 | 0.20 | 0.11 | +0.09 | |
| 拆投 | 0.60 | 0.54 | +0.06 | |
| 受到昏厥 | 0.00 | 0.03 | -0.03 | |
| 招架时被投 | 0.30 | 0.28 | +0.02 |
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。
Marisa · 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 0.11
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 0.11
- 惩罚反击命中:档案 0.2 · 参考 0.11
让斗气迸放有明确目的
斗气迸放:档案 0.4 · 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 0.4 · 参考 0.2
- 斗气迸放消耗:档案 3.5% · 参考 1.8%
复盘防守决策
斗气反攻:档案 0.1 · 参考 0.33
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 0.1 · 参考 0.33
- 精准招架:档案 0.2 · 参考 0.59
- 拆投:档案 0.6 · 参考 0.54
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-pro:free
如何应对这位玩家
验证斗气迸放倾向
斗气迸放:档案 0.4 · 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 0.4 · 参考 0.2
- 斗气迸放消耗:档案 3.5% · 参考 1.8%
试探近距离模式
投技:档案 1.8 · 参考 2.03
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 1.8 · 参考 2.03
- 受到投技:档案 2.4 · 参考 2.2
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50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50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13日 · AI:nex-agi/nex-n2.5-pro:free

