最近一场对战
胜利排位赛
RY
MARY更新于5小时前
CrossPlatform
JapanC58%
CrossPlatformJapanC58%Almond88g
Noooooo!
MR 1,456#450,383最近 10 场7–3+33最近 20 场9–11-14
胜率
58%
42 胜 · 31 负 · 已存 73 场
排位赛对战
73
已选模式
胜场
42
排位赛
负场
31
排位赛
最高 MR
1,550
Ryu
排位 MR · Ryu
本地 44 · 导入 0 · 图表显示 44 · 已存 73 场对战
尚未请求回放
RYMARY按差值绝对值从大到小排列23 项习惯
| 习惯 | Almond88g | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 5.0% | 19.3% | -14.3% | |
| SA3 | 50.0% | 37.6% | +12.4% | |
| CA | 21.3% | 8.9% | +12.3% | |
| SA1 | 23.8% | 34.2% | -10.5% | |
| 斗气技 | 12.1% | 18.8% | -6.7% | |
| 斗气迸放消耗 | 5.1% | 1.1% | +4.0% | |
| 斗气前冲（取消） | 35.2% | 38.7% | -3.5% | |
| 版边压制 | 8.70 | 11.48 | -2.78 | |
| 被困版边时间 | 10.60 | 8.74 | +1.86 | |
| 斗气前冲（招架） | 4.8% | 5.8% | -1.1% | |
| 斗气防御 | 10.3% | 11.3% | -0.9% | |
| 受到投技 | 2.80 | 2.07 | +0.73 | |
| 投技 | 1.60 | 2.29 | -0.69 | |
| 斗气迸放 | 0.60 | 0.16 | +0.44 | |
| 拆投 | 0.80 | 0.45 | +0.35 | |
| 惩罚反击命中 | 0.40 | 0.07 | +0.33 | |
| 精准招架 | 0.60 | 0.75 | -0.15 | |
| 造成昏厥 | 0.20 | 0.06 | +0.14 | |
| 受到惩罚反击 | 0.20 | 0.07 | +0.13 | |
| 斗气反攻 | 0.00 | 0.11 | -0.11 | |
| 斗气招架 | 1.80 | 1.71 | +0.09 | |
| 受到昏厥 | 0.10 | 0.06 | +0.04 | |
| 招架时被投 | 0.20 | 0.22 | -0.02 |
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。
Ryu · 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 0.2 · 参考 0.07
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 0.2 · 参考 0.07
追踪位置得失的过程
被困版边时间：档案 10.6 · 参考 8.74
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 10.6 · 参考 8.74
- 版边压制：档案 8.7 · 参考 11.48
检查近距离选择
受到投技：档案 2.8 · 参考 2.07
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
- 受到投技：档案 2.8 · 参考 2.07
- 投技：档案 1.6 · 参考 2.29
- 拆投：档案 0.8 · 参考 0.45
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16日 · AI：nex-agi/nex-n2.5-mini:free
如何应对这位玩家
把对局战绩当作观察线索
对阵Akuma：52场中获胜18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Akuma：52场中获胜18场
- 对阵Luke：88场中获胜43场
- 对阵Terry：36场中获胜24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16日 · AI：nex-agi/nex-n2.5-mini:free