最近一场对战
失败排位赛
E.
JUE.更新于4天前
CrossPlatform
Japan俱乐部 · yamaneunivM100%
CrossPlatformJapan俱乐部 · yamaneunivM100%ヴォーヤ
That Sumo Idiot
MR 1,251#592,209最近 10 场3–7-29最近 20 场5–15-74
胜率
42%
43 胜 · 59 负 · 已存 102 场
排位赛对战
102
已选模式
胜场
43
排位赛
负场
59
排位赛
最高 MR
1,500
E. Honda
排位 MR · E. Honda
本地 60 · 导入 0 · 图表显示 60 · 已存 102 场对战
尚未请求回放
E.JUE.按差值绝对值从大到小排列23 项习惯
| 习惯 | ヴォーヤ | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气前冲（取消） | 0.7% | 22.8% | -22.1% | |
| 斗气技 | 43.1% | 22.0% | +21.0% | |
| SA3 | 50.7% | 36.7% | +14.1% | |
| SA2 | 2.9% | 13.6% | -10.7% | |
| 斗气防御 | 5.1% | 14.5% | -9.4% | |
| 斗气迸放消耗 | 9.7% | 1.9% | +7.8% | |
| SA1 | 30.4% | 38.1% | -7.7% | |
| 斗气前冲（招架） | 0.5% | 7.8% | -7.4% | |
| CA | 15.9% | 11.5% | +4.4% | |
| 被困版边时间 | 7.00 | 9.78 | -2.78 | |
| 版边压制 | 6.50 | 9.02 | -2.52 | |
| 斗气招架 | 1.10 | 1.87 | -0.77 | |
| 斗气反攻 | 1.00 | 0.39 | +0.61 | |
| 精准招架 | 0.10 | 0.60 | -0.50 | |
| 受到惩罚反击 | 0.60 | 0.10 | +0.50 | |
| 拆投 | 0.20 | 0.59 | -0.39 | |
| 斗气迸放 | 0.60 | 0.22 | +0.38 | |
| 受到投技 | 2.00 | 2.37 | -0.37 | |
| 惩罚反击命中 | 0.40 | 0.13 | +0.27 | |
| 招架时被投 | 0.00 | 0.26 | -0.26 | |
| 投技 | 1.60 | 1.81 | -0.21 | |
| 受到昏厥 | 0.00 | 0.05 | -0.05 | |
| 造成昏厥 | 0.10 | 0.07 | +0.03 |
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。
E. Honda · 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 0.6 · 参考 0.09
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 0.6 · 参考 0.09
复盘防守决策
斗气招架：档案 1.1 · 参考 1.9
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 1.1 · 参考 1.9
- 精准招架：档案 0.1 · 参考 0.68
- 斗气反攻：档案 1 · 参考 0.29
明确每次量表消耗的目的
SA2：档案 2.9% · 参考 13.1%
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
- SA2：档案 2.9% · 参考 13.1%
- SA3：档案 50.7% · 参考 36.4%
- 斗气技：档案 43.1% · 参考 20.5%
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5日 · AI：dots-studio/dots-3-note-preview:free
如何应对这位玩家
把对局战绩当作观察线索
对阵Yasmine：77场中获胜61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Yasmine：77场中获胜61场
- 对阵Zangief：26场中获胜13场
- 对阵Jamie：25场中获胜18场
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43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43场
寻找可重复利用的反击机会
受到惩罚反击：档案 0.6 · 参考 0.09
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 0.6 · 参考 0.09
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5日 · AI：dots-studio/dots-3-note-preview:free