最近一场对战
失败自定义房间
MA
EDMA更新于5小时前
CrossPlatform
Other俱乐部 · FightingAssn3C100%
CrossPlatformOther俱乐部 · FightingAssn3C100%KenChi
Let's Do This
LP 15,264最近 10 场6–4最近 20 场13–7
胜率
60%
60 胜 · 40 负 · 已存 100 场
排位赛对战
100
已选模式
胜场
60
排位赛
负场
40
排位赛
最高 LP
15,264
Marisa
排位 LP · Marisa
此角色的 LP 走势
尚未请求回放
MAEDMA按差值绝对值从大到小排列23 项习惯
| 习惯 | KenChi | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气技 | 72.4% | 19.0% | +53.4% | |
| SA2 | 50.0% | 18.1% | +31.9% | |
| 斗气前冲（取消） | 0.0% | 29.3% | -29.3% | |
| SA1 | 21.3% | 41.8% | -20.5% | |
| 斗气防御 | 1.2% | 14.5% | -13.3% | |
| SA3 | 21.3% | 32.8% | -11.5% | |
| 斗气前冲（招架） | 0.4% | 8.9% | -8.5% | |
| 版边压制 | 4.30 | 10.02 | -5.72 | |
| 被困版边时间 | 4.90 | 7.86 | -2.96 | |
| 斗气迸放消耗 | 4.7% | 1.8% | +2.9% | |
| 斗气招架 | 0.10 | 1.56 | -1.46 | |
| 投技 | 0.60 | 2.03 | -1.43 | |
| 精准招架 | 0.00 | 0.59 | -0.59 | |
| 拆投 | 0.10 | 0.54 | -0.44 | |
| 斗气迸放 | 0.50 | 0.20 | +0.30 | |
| 招架时被投 | 0.00 | 0.28 | -0.28 | |
| 斗气反攻 | 0.10 | 0.33 | -0.23 | |
| 受到惩罚反击 | 0.30 | 0.11 | +0.19 | |
| CA | 7.5% | 7.3% | +0.2% | |
| 受到投技 | 2.10 | 2.20 | -0.10 | |
| 造成昏厥 | 0.00 | 0.09 | -0.09 | |
| 惩罚反击命中 | 0.20 | 0.11 | +0.09 | |
| 受到昏厥 | 0.10 | 0.03 | +0.07 |
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。
Marisa · 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 0.4 · 参考 0.11
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 0.4 · 参考 0.11
- 惩罚反击命中：档案 0.2 · 参考 0.12
复盘防守决策
斗气招架：档案 0.4 · 参考 1.59
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 0.4 · 参考 1.59
- 精准招架：档案 0 · 参考 0.6
- 斗气反攻：档案 0 · 参考 0.32
追踪位置得失的过程
版边压制：档案 3.9 · 参考 10.2
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 3.9 · 参考 10.2
- 被困版边时间：档案 5.3 · 参考 8.39
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12日 · AI：dots-studio/dots-3-note-preview:free
如何应对这位玩家
把对局战绩当作观察线索
对阵Zangief：38场中获胜23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Zangief：38场中获胜23场
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60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60场
验证斗气迸放倾向
斗气迸放：档案 0.4 · 参考 0.2
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 0.4 · 参考 0.2
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12日 · AI：dots-studio/dots-3-note-preview:free