最近一场对战
胜利排位赛
LU
MALU更新于2小时前
Steam
JapanC100%
SteamJapanC100%10heart
You've Got This, Juri!
MR 1,532#169,703最近 10 场5–5-2最近 20 场10–10-2
胜率
50%
23 胜 · 23 负 · 已存 46 场
排位赛对战
46
已选模式
胜场
23
排位赛
负场
23
排位赛
最高 MR
1,560
Luke
排位 MR · Luke
本地 46 · 导入 0 · 图表显示 46 · 已存 105 场对战
尚未请求回放
LUMALU按差值绝对值从大到小排列23 项习惯
| 习惯 | 10heart | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA1 | 43.5% | 30.0% | +13.5% | |
| SA2 | 14.1% | 26.9% | -12.8% | |
| 斗气技 | 3.9% | 16.3% | -12.4% | |
| 版边压制 | 9.10 | 13.81 | -4.71 | |
| 被困版边时间 | 13.50 | 8.85 | +4.65 | |
| 斗气前冲（取消） | 32.4% | 37.0% | -4.6% | |
| SA3 | 29.4% | 33.7% | -4.3% | |
| 斗气防御 | 17.5% | 13.7% | +3.8% | |
| CA | 12.9% | 9.4% | +3.5% | |
| 斗气前冲（招架） | 10.9% | 7.7% | +3.1% | |
| 受到投技 | 3.80 | 2.11 | +1.69 | |
| 斗气迸放消耗 | 1.1% | 1.4% | -0.3% | |
| 精准招架 | 1.00 | 0.77 | +0.23 | |
| 拆投 | 0.30 | 0.46 | -0.16 | |
| 投技 | 2.20 | 2.35 | -0.15 | |
| 斗气招架 | 2.00 | 1.87 | +0.13 | |
| 招架时被投 | 0.10 | 0.21 | -0.11 | |
| 惩罚反击命中 | 0.20 | 0.10 | +0.10 | |
| 造成昏厥 | 0.00 | 0.08 | -0.08 | |
| 受到昏厥 | 0.10 | 0.07 | +0.03 | |
| 斗气反攻 | 0.20 | 0.22 | -0.02 | |
| 受到惩罚反击 | 0.10 | 0.09 | +0.01 | |
| 斗气迸放 | 0.20 | 0.20 | +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。
Luke · 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 13.5 · 参考 8.85
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 13.5 · 参考 8.85
- 版边压制：档案 9.1 · 参考 13.81
复盘防守决策
受到投技：档案 3.8 · 参考 2.11
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
- 受到投技：档案 3.8 · 参考 2.11
- 拆投：档案 0.3 · 参考 0.46
明确每次量表消耗的目的
斗气防御：档案 17.5% · 参考 13.7%
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
- 斗气防御：档案 17.5% · 参考 13.7%
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14日 · AI：nex-agi/nex-n2.5-mini:free
如何应对这位玩家
试探近距离模式
拆投：档案 0.3 · 参考 0.46
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
- 拆投：档案 0.3 · 参考 0.46
- 受到投技：档案 3.8 · 参考 2.11
区分持续倾向与偶发失误
已保存的近期排位赛样本：46场中获胜23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：46场中获胜23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14日 · AI：nex-agi/nex-n2.5-mini:free