最近一场对战
胜利自定义房间
CA
TECA更新于5小时前
Steam
ItalyC100%
SteamItalyC100%Antabi
Bias for Impacts
最近 10 场4–6-11最近 20 场8–12-27
胜率
48%
11 胜 · 12 负 · 已存 23 场
排位赛对战
23
已选模式
胜场
11
排位赛
负场
12
排位赛
最高 MR
1,513
Cammy
排位 MR · Cammy
本地 21 · 导入 0 · 图表显示 21 · 已存 60 场对战
尚未请求回放
CATECA按差值绝对值从大到小排列23 项习惯
| 习惯 | Antabi | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| CA | 22.4% | 8.6% | +13.8% | |
| SA2 | 4.1% | 15.6% | -11.5% | |
| SA3 | 36.7% | 28.1% | +8.6% | |
| SA1 | 36.7% | 44.3% | -7.6% | |
| 斗气技 | 9.2% | 15.4% | -6.2% | |
| 版边压制 | 8.40 | 12.32 | -3.92 | |
| 斗气前冲（招架） | 6.2% | 4.9% | +1.3% | |
| 斗气前冲（取消） | 41.3% | 40.1% | +1.2% | |
| 斗气防御 | 10.9% | 9.7% | +1.2% | |
| 斗气迸放消耗 | 2.1% | 1.3% | +0.8% | |
| 受到投技 | 2.70 | 2.12 | +0.58 | |
| 投技 | 2.00 | 2.35 | -0.35 | |
| 精准招架 | 0.20 | 0.55 | -0.35 | |
| 斗气迸放 | 0.30 | 0.15 | +0.15 | |
| 被困版边时间 | 9.20 | 9.05 | +0.15 | |
| 招架时被投 | 0.10 | 0.23 | -0.13 | |
| 斗气反攻 | 0.10 | 0.20 | -0.10 | |
| 斗气招架 | 1.40 | 1.47 | -0.07 | |
| 受到昏厥 | 0.10 | 0.05 | +0.05 | |
| 受到惩罚反击 | 0.10 | 0.06 | +0.04 | |
| 拆投 | 0.40 | 0.37 | +0.03 | |
| 造成昏厥 | 0.10 | 0.07 | +0.03 | |
| 惩罚反击命中 | 0.10 | 0.09 | +0.01 |
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。
Cammy · 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 0.1 · 参考 0.06
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 0.1 · 参考 0.06
- 惩罚反击命中：档案 0.1 · 参考 0.09
复盘防守决策
受到投技：档案 2.7 · 参考 2.12
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 2.7 · 参考 2.12
- 拆投：档案 0.4 · 参考 0.37
让斗气迸放有明确目的
斗气迸放：档案 0.3 · 参考 0.15
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 0.15
- 斗气迸放消耗：档案 2.1% · 参考 1.3%
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-pro:free
如何应对这位玩家
试探近距离模式
受到投技：档案 2.7 · 参考 2.12
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
- 受到投技：档案 2.7 · 参考 2.12
- 投技：档案 2 · 参考 2.35
寻找可重复利用的反击机会
受到惩罚反击：档案 0.1 · 参考 0.06
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 0.1 · 参考 0.06
- 惩罚反击命中：档案 0.1 · 参考 0.09
验证斗气迸放倾向
斗气迸放：档案 0.3 · 参考 0.15
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 0.3 · 参考 0.15
- 斗气迸放消耗：档案 2.1% · 参考 1.3%
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-pro:free