最近一场对战
胜利排位赛
CH
MACH更新于6小时前
Steam
Burkina FasoM100%
SteamBurkina FasoM100%HIROSI
V-ISM
MR 1,664#43,337最近 10 场5–5+7最近 20 场12–8+36
胜率
51%
36 胜 · 35 负 · 已存 71 场
排位赛对战
71
已选模式
胜场
36
排位赛
负场
35
排位赛
最高 MR
1,723
Chun-Li
排位 MR · Chun-Li
本地 71 · 导入 0 · 图表显示 71 · 已存 71 场对战
尚未请求回放
CHMACH按差值绝对值从大到小排列23 项习惯
| 习惯 | HIROSI | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 50.0% | 31.7% | +18.3% | |
| 斗气前冲（取消） | 56.5% | 40.1% | +16.4% | |
| SA1 | 24.0% | 34.5% | -10.4% | |
| 斗气防御 | 2.9% | 10.2% | -7.2% | |
| CA | 1.9% | 7.6% | -5.7% | |
| 斗气前冲（招架） | 0.2% | 5.0% | -4.8% | |
| 斗气技 | 14.4% | 16.9% | -2.4% | |
| SA3 | 24.0% | 26.2% | -2.2% | |
| 被困版边时间 | 10.50 | 9.57 | +0.93 | |
| 斗气招架 | 1.00 | 1.64 | -0.64 | |
| 精准招架 | 0.10 | 0.57 | -0.47 | |
| 版边压制 | 10.90 | 11.27 | -0.37 | |
| 投技 | 2.70 | 2.39 | +0.31 | |
| 拆投 | 0.10 | 0.40 | -0.30 | |
| 受到投技 | 1.80 | 2.08 | -0.28 | |
| 斗气反攻 | 0.00 | 0.17 | -0.17 | |
| 斗气迸放消耗 | 1.3% | 1.4% | -0.2% | |
| 招架时被投 | 0.10 | 0.22 | -0.12 | |
| 受到惩罚反击 | 0.20 | 0.09 | +0.11 | |
| 惩罚反击命中 | 0.00 | 0.10 | -0.10 | |
| 斗气迸放 | 0.10 | 0.16 | -0.06 | |
| 造成昏厥 | 0.10 | 0.04 | +0.06 | |
| 受到昏厥 | 0.10 | 0.05 | +0.05 |
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。
Chun-Li · 最近100场
需要改进的地方
复盘防守决策
斗气招架：档案 1 · 参考 1.64
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
- 斗气招架：档案 1 · 参考 1.64
- 精准招架：档案 0.1 · 参考 0.57
找出惩罚反击的原因
受到惩罚反击：档案 0.2 · 参考 0.09
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 0.09
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
先试探实际防守反应
斗气招架：档案 1 · 参考 1.64
尝试一次熟悉的压制场景并观察真实反应，再据此变化下一次选择。不要把事件次数当作成功率。
试试这样做在理解的局面中尝试常用的打投选择。只在反应稳定时继续针对；对方开始调整时，就改变节奏或重新拉开。
数据依据
- 斗气招架：档案 1 · 参考 1.64
- 精准招架：档案 0.1 · 参考 0.57
- 斗气反攻：档案 0 · 参考 0.17
区分持续倾向与偶发失误
已保存的近期排位赛样本：67场中获胜34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：67场中获胜34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