最近一场对战
失败排位赛
A.
CAA.更新于9小时前
Steam
JapanC100%
SteamJapanC100%ネコと和解せよ
You Hate to See It
MR 2,211#59最近 10 场7–3+18最近 20 场14–6+45
胜率
63%
178 胜 · 103 负 · 已存 281 场
排位赛对战
281
已选模式
胜场
178
排位赛
负场
103
排位赛
最高 MR
2,227
A.K.I.
排位 MR · A.K.I.
本地 315 · 导入 0 · 图表显示 315 · 已存 563 场对战
尚未请求回放
A.CAA.按差值绝对值从大到小排列23 项习惯
| 习惯 | ネコと和解せよ | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 36.3% | 22.0% | +14.3% | |
| SA1 | 28.6% | 37.8% | -9.3% | |
| 斗气技 | 29.1% | 21.0% | +8.1% | |
| CA | 5.5% | 9.6% | -4.1% | |
| 斗气前冲（取消） | 21.2% | 23.3% | -2.2% | |
| 斗气防御 | 15.1% | 17.0% | -1.9% | |
| 被困版边时间 | 8.20 | 9.83 | -1.63 | |
| SA3 | 29.7% | 30.6% | -0.9% | |
| 斗气迸放消耗 | 1.2% | 1.8% | -0.6% | |
| 受到投技 | 1.80 | 2.30 | -0.50 | |
| 斗气招架 | 1.50 | 1.93 | -0.43 | |
| 版边压制 | 11.70 | 11.29 | +0.41 | |
| 斗气反攻 | 0.20 | 0.40 | -0.20 | |
| 精准招架 | 0.40 | 0.60 | -0.20 | |
| 斗气前冲（招架） | 10.9% | 11.0% | -0.1% | |
| 拆投 | 0.60 | 0.52 | +0.08 | |
| 投技 | 2.30 | 2.34 | -0.04 | |
| 斗气迸放 | 0.20 | 0.24 | -0.04 | |
| 受到昏厥 | 0.00 | 0.04 | -0.04 | |
| 招架时被投 | 0.20 | 0.22 | -0.02 | |
| 造成昏厥 | 0.10 | 0.08 | +0.02 | |
| 惩罚反击命中 | 0.10 | 0.12 | -0.02 | |
| 受到惩罚反击 | 0.10 | 0.11 | -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。
A.K.I. · 最近100场
需要改进的地方
追踪位置得失的过程
被困版边时间：档案 11.9 · 参考 9.75
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
- 被困版边时间：档案 11.9 · 参考 9.75
- 版边压制：档案 10.3 · 参考 12.18
让斗气迸放有明确目的
斗气迸放：档案 0.2 · 参考 0.21
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 0.21
检查近距离选择
投技：档案 2.6 · 参考 2.31
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 2.6 · 参考 2.31
- 拆投：档案 0.4 · 参考 0.53
- 受到投技：档案 1.8 · 参考 2.33
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：100场中获胜60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60场
把对局战绩当作观察线索
对阵Dee Jay：88场中获胜50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：88场中获胜50场
- 对阵Terry：39场中获胜23场
试探近距离模式
投技：档案 2.6 · 参考 2.31
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 2.6 · 参考 2.31
- 拆投：档案 0.4 · 参考 0.53
- 受到投技：档案 1.8 · 参考 2.33
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