最近一场对战
失败排位赛
AL
MAAL更新于7天前
Steam
OtherC100%
SteamOtherC100%Dialinker
Bad-Guy
MR 1,770#12,938最近 10 场7–3+8最近 20 场13–7+4
胜率
56%
141 胜 · 112 负 · 已存 253 场
排位赛对战
253
已选模式
胜场
141
排位赛
负场
112
排位赛
最高 MR
1,772
Alex
排位 MR · Alex
本地 253 · 导入 0 · 图表显示 253 · 已存 285 场对战
尚未请求回放
ALMAAL按差值绝对值从大到小排列23 项习惯
| 习惯 | Dialinker | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 34.0% | 28.4% | +5.6% | |
| SA3 | 16.5% | 22.1% | -5.6% | |
| 斗气技 | 9.1% | 14.2% | -5.0% | |
| CA | 4.1% | 6.5% | -2.4% | |
| SA1 | 45.4% | 43.0% | +2.3% | |
| 斗气迸放消耗 | 4.0% | 1.7% | +2.3% | |
| 版边压制 | 6.80 | 9.01 | -2.21 | |
| 斗气防御 | 16.3% | 14.1% | +2.2% | |
| 斗气前冲（取消） | 35.1% | 33.0% | +2.0% | |
| 被困版边时间 | 8.50 | 9.88 | -1.38 | |
| 斗气前冲（招架） | 7.4% | 8.2% | -0.7% | |
| 受到投技 | 2.60 | 2.12 | +0.48 | |
| 斗气招架 | 2.10 | 1.63 | +0.47 | |
| 投技 | 2.60 | 2.32 | +0.28 | |
| 拆投 | 0.20 | 0.48 | -0.28 | |
| 斗气迸放 | 0.40 | 0.20 | +0.20 | |
| 斗气反攻 | 0.30 | 0.47 | -0.17 | |
| 惩罚反击命中 | 0.20 | 0.12 | +0.08 | |
| 受到昏厥 | 0.00 | 0.05 | -0.05 | |
| 造成昏厥 | 0.10 | 0.07 | +0.03 | |
| 受到惩罚反击 | 0.10 | 0.12 | -0.02 | |
| 招架时被投 | 0.30 | 0.29 | +0.01 | |
| 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 0.4 · 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 0.4 · 参考 0.2
- 斗气迸放消耗：档案 4% · 参考 1.7%
追踪位置得失的过程
版边压制：档案 6.8 · 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 6.8 · 参考 9.01
- 被困版边时间：档案 8.5 · 参考 9.88
比较胜负中的决策
已保存的近期排位赛样本：100场中获胜65场
从已保存的近期样本中选两场胜利与两场失败，找出变化的决策。战绩本身无法解释结果变化的原因。
试试这样做写下接下来五场要测试的一项具体判断。复盘是否执行及发生了什么，不要只用胜负评价练习。
数据依据
- 已保存的近期排位赛样本：100场中获胜65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：nex-agi/nex-n2.5-mini:free
如何应对这位玩家
区分持续倾向与偶发失误
已保存的近期排位赛样本：100场中获胜65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：100场中获胜65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：nex-agi/nex-n2.5-mini:free