最近一场对战
失败排位赛
JP
LUJP更新于6小时前
Steam
JapanC100%
SteamJapanC100%大守夢路@youtube
King of Nothing
MR 1,508#222,721最近 10 场3–7-32最近 20 场10–10+4
胜率
48%
107 胜 · 117 负 · 已存 224 场
排位赛对战
224
已选模式
胜场
107
排位赛
负场
117
排位赛
最高 MR
1,541
JP
排位 MR · JP
本地 224 · 导入 0 · 图表显示 224 · 已存 240 场对战
尚未请求回放
JPLUJP按差值绝对值从大到小排列23 项习惯
| 习惯 | 大守夢路@youtube | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA1 | 9.8% | 19.2% | -9.4% | |
| SA2 | 65.2% | 56.6% | +8.6% | |
| 斗气前冲（取消） | 31.6% | 23.1% | +8.5% | |
| 斗气技 | 26.0% | 32.1% | -6.1% | |
| 斗气防御 | 7.4% | 12.8% | -5.4% | |
| 斗气前冲（招架） | 2.9% | 6.5% | -3.7% | |
| 版边压制 | 7.40 | 10.77 | -3.37 | |
| 被困版边时间 | 13.50 | 12.04 | +1.46 | |
| 斗气招架 | 1.10 | 2.07 | -0.97 | |
| 精准招架 | 0.20 | 0.79 | -0.59 | |
| 投技 | 2.50 | 1.97 | +0.53 | |
| 斗气迸放消耗 | 2.6% | 2.1% | +0.5% | |
| CA | 5.4% | 5.0% | +0.5% | |
| SA3 | 19.6% | 19.2% | +0.4% | |
| 斗气反攻 | 0.50 | 0.13 | +0.37 | |
| 招架时被投 | 0.70 | 0.41 | +0.29 | |
| 拆投 | 0.20 | 0.39 | -0.19 | |
| 受到惩罚反击 | 0.20 | 0.08 | +0.12 | |
| 造成昏厥 | 0.00 | 0.09 | -0.09 | |
| 惩罚反击命中 | 0.20 | 0.13 | +0.07 | |
| 受到投技 | 2.20 | 2.13 | +0.07 | |
| 受到昏厥 | 0.10 | 0.04 | +0.06 | |
| 斗气迸放 | 0.40 | 0.34 | +0.06 |
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。
JP · 最近100场
需要改进的地方
复盘防守决策
精准招架：档案 0.1 · 参考 0.79
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
- 精准招架：档案 0.1 · 参考 0.79
追踪位置得失的过程
版边压制：档案 6.7 · 参考 10.77
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 6.7 · 参考 10.77
- 被困版边时间：档案 15.6 · 参考 12.04
明确每次量表消耗的目的
SA1：档案 7.7% · 参考 19.2%
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
- SA1：档案 7.7% · 参考 19.2%
- SA2：档案 70.5% · 参考 56.6%
- SA3：档案 16.7% · 参考 19.2%
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7日 · AI：dots-studio/dots-3-note-preview:free
如何应对这位玩家
先试探实际防守反应
斗气反攻：档案 0.8 · 参考 0.13
尝试一次熟悉的压制场景并观察真实反应，再据此变化下一次选择。不要把事件次数当作成功率。
试试这样做在理解的局面中尝试常用的打投选择。只在反应稳定时继续针对；对方开始调整时，就改变节奏或重新拉开。
数据依据
- 斗气反攻：档案 0.8 · 参考 0.13
- 精准招架：档案 0.1 · 参考 0.79
验证斗气迸放倾向
斗气迸放：档案 0.4 · 参考 0.34
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 0.34
- 斗气迸放消耗：档案 2.3% · 参考 2.1%
把对局战绩当作观察线索
对阵Yasmine：130场中获胜52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：130场中获胜52场
- 对阵Sagat：29场中获胜15场
- 对阵Jamie：90场中获胜48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7日 · AI：dots-studio/dots-3-note-preview:free