最近一场对战
胜利排位赛
DE
BLDE更新于4天前
Steam
JapanC100%
SteamJapanC100%Heyoriley
Let's Do This
MR 1,838#5,790最近 10 场7–3+27最近 20 场15–5+68
胜率
54%
70 胜 · 59 负 · 已存 129 场
排位赛对战
129
已选模式
胜场
70
排位赛
负场
59
排位赛
最高 MR
1,917
Dee Jay
排位 MR · Dee Jay
本地 129 · 导入 0 · 图表显示 129 · 已存 129 场对战
尚未请求回放
DEBLDE按差值绝对值从大到小排列23 项习惯
| 习惯 | Heyoriley | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气前冲（取消） | 12.6% | 23.0% | -10.3% | |
| SA1 | 26.2% | 36.2% | -10.0% | |
| 斗气技 | 34.7% | 24.7% | +10.0% | |
| CA | 16.9% | 8.7% | +8.2% | |
| SA2 | 26.2% | 21.3% | +4.8% | |
| SA3 | 30.8% | 33.8% | -3.0% | |
| 斗气前冲（招架） | 10.8% | 8.9% | +1.9% | |
| 版边压制 | 13.70 | 12.23 | +1.47 | |
| 斗气防御 | 16.1% | 15.1% | +1.0% | |
| 斗气迸放消耗 | 2.7% | 1.8% | +0.9% | |
| 受到投技 | 1.50 | 2.20 | -0.70 | |
| 被困版边时间 | 8.50 | 9.11 | -0.61 | |
| 拆投 | 0.00 | 0.43 | -0.43 | |
| 精准招架 | 0.20 | 0.57 | -0.37 | |
| 斗气招架 | 2.10 | 1.76 | +0.34 | |
| 投技 | 2.60 | 2.38 | +0.22 | |
| 受到惩罚反击 | 0.30 | 0.09 | +0.21 | |
| 招架时被投 | 0.10 | 0.25 | -0.15 | |
| 斗气反攻 | 0.10 | 0.19 | -0.09 | |
| 斗气迸放 | 0.20 | 0.24 | -0.04 | |
| 惩罚反击命中 | 0.10 | 0.13 | -0.03 | |
| 造成昏厥 | 0.10 | 0.07 | +0.03 | |
| 受到昏厥 | 0.10 | 0.07 | +0.03 |
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。
Dee Jay · 最近100场
需要改进的地方
复盘防守决策
精准招架：档案 0.2 · 参考 0.55
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
- 精准招架：档案 0.2 · 参考 0.55
- 斗气招架：档案 1.5 · 参考 1.54
- 斗气反攻：档案 0.1 · 参考 0.19
明确每次量表消耗的目的
斗气前冲（取消）：档案 12.1% · 参考 23.9%
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
- 斗气前冲（取消）：档案 12.1% · 参考 23.9%
- 斗气技：档案 34.5% · 参考 25.4%
- SA1：档案 29.7% · 参考 35.1%
追踪位置得失的过程
版边压制：档案 13 · 参考 12.84
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 13 · 参考 12.84
- 被困版边时间：档案 9.7 · 参考 8.3
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7日 · AI：dots-studio/dots-3-note-preview:free
如何应对这位玩家
寻找可重复利用的反击机会
受到惩罚反击：档案 0.2 · 参考 0.12
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 0.2 · 参考 0.12
验证斗气迸放倾向
斗气迸放消耗：档案 2.7% · 参考 1.8%
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
- 斗气迸放消耗：档案 2.7% · 参考 1.8%
- 斗气迸放：档案 0.2 · 参考 0.22
试探近距离模式
拆投：档案 0 · 参考 0.44
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 · 参考 0.44
- 受到投技：档案 1.6 · 参考 2.12
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：dots-studio/dots-3-note-preview:free