最近一场对战
胜利排位赛
AL
BLAL更新于1小时前
Steam
JapanC100%
SteamJapanC100%朝方のビッグバン
Triceratops Fist
MR 1,606#78,032最近 10 场6–4+12最近 20 场15–5+74
胜率
57%
43 胜 · 32 负 · 已存 75 场
排位赛对战
75
已选模式
胜场
43
排位赛
负场
32
排位赛
最高 MR
1,606
Alex
排位 MR · Alex
本地 75 · 导入 0 · 图表显示 75 · 已存 107 场对战
尚未请求回放
ALBLAL按差值绝对值从大到小排列23 项习惯
| 习惯 | 朝方のビッグバン | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA1 | 19.1% | 43.0% | -23.9% | |
| SA3 | 30.9% | 22.1% | +8.8% | |
| CA | 14.7% | 6.5% | +8.2% | |
| SA2 | 35.3% | 28.4% | +6.9% | |
| 斗气前冲（取消） | 39.0% | 33.0% | +6.0% | |
| 斗气技 | 10.3% | 14.2% | -3.8% | |
| 斗气前冲（招架） | 4.6% | 8.2% | -3.6% | |
| 版边压制 | 6.30 | 9.01 | -2.71 | |
| 斗气防御 | 11.6% | 14.1% | -2.5% | |
| 被困版边时间 | 11.60 | 9.88 | +1.72 | |
| 斗气迸放消耗 | 2.8% | 1.7% | +1.1% | |
| 投技 | 1.40 | 2.32 | -0.92 | |
| 受到投技 | 2.40 | 2.12 | +0.28 | |
| 拆投 | 0.20 | 0.48 | -0.28 | |
| 斗气招架 | 1.90 | 1.63 | +0.27 | |
| 招架时被投 | 0.10 | 0.29 | -0.19 | |
| 斗气迸放 | 0.30 | 0.20 | +0.10 | |
| 惩罚反击命中 | 0.20 | 0.12 | +0.08 | |
| 受到惩罚反击 | 0.20 | 0.12 | +0.08 | |
| 斗气反攻 | 0.40 | 0.47 | -0.07 | |
| 受到昏厥 | 0.10 | 0.05 | +0.05 | |
| 造成昏厥 | 0.10 | 0.07 | +0.03 | |
| 精准招架 | 0.70 | 0.70 | -0.00 |
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。
Alex · 最近100场
需要改进的地方
让斗气迸放有明确目的
斗气迸放：档案 0.3 · 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 0.3 · 参考 0.2
- 斗气迸放消耗：档案 2.8% · 参考 1.7%
找出惩罚反击的原因
惩罚反击命中：档案 0.2 · 参考 0.12
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
- 惩罚反击命中：档案 0.2 · 参考 0.12
- 受到惩罚反击：档案 0.2 · 参考 0.12
追踪位置得失的过程
版边压制：档案 6.3 · 参考 9.01
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 6.3 · 参考 9.01
- 被困版边时间：档案 11.6 · 参考 9.88
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：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Ryu：173场中获胜156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Ryu：173场中获胜156场
- 对阵Juri：31场中获胜7场
- 对阵Akuma：14场中获胜7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：dots-studio/dots-3-note-preview:free