最近一场对战
胜利斗技战场
TE
CATE更新于2天前
Steam
South Korea俱乐部 · ClassicHaterM100%
SteamSouth Korea俱乐部 · ClassicHaterM100%Kimchilli
Down for SUSHIRO
MR 2,072#554最近 10 场6–4+20最近 20 场14–6+49
胜率
55%
206 胜 · 170 负 · 已存 376 场
排位赛对战
376
已选模式
胜场
206
排位赛
负场
170
排位赛
最高 MR
2,072
Terry
排位 MR · Terry
本地 375 · 导入 0 · 图表显示 375 · 已存 515 场对战
尚未请求回放
TECATE按差值绝对值从大到小排列23 项习惯
| 习惯 | Kimchilli | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA1 | 57.0% | 33.6% | +23.4% | |
| SA2 | 10.5% | 24.5% | -14.0% | |
| SA3 | 23.7% | 32.8% | -9.1% | |
| 斗气技 | 21.8% | 16.3% | +5.4% | |
| 斗气前冲（取消） | 29.4% | 33.4% | -4.0% | |
| 版边压制 | 9.90 | 12.45 | -2.55 | |
| 被困版边时间 | 11.20 | 9.65 | +1.55 | |
| 斗气迸放消耗 | 3.1% | 1.6% | +1.4% | |
| 斗气前冲（招架） | 9.3% | 8.2% | +1.1% | |
| 投技 | 1.90 | 2.49 | -0.59 | |
| 精准招架 | 0.40 | 0.80 | -0.40 | |
| CA | 8.8% | 9.0% | -0.2% | |
| 受到投技 | 2.40 | 2.21 | +0.19 | |
| 斗气招架 | 1.70 | 1.89 | -0.19 | |
| 斗气迸放 | 0.40 | 0.21 | +0.19 | |
| 斗气防御 | 14.5% | 14.3% | +0.2% | |
| 惩罚反击命中 | 0.30 | 0.12 | +0.18 | |
| 拆投 | 0.30 | 0.43 | -0.13 | |
| 受到惩罚反击 | 0.20 | 0.09 | +0.11 | |
| 造成昏厥 | 0.00 | 0.07 | -0.07 | |
| 招架时被投 | 0.20 | 0.26 | -0.06 | |
| 受到昏厥 | 0.00 | 0.05 | -0.05 | |
| 斗气反攻 | 0.20 | 0.17 | +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。
Terry · 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 0.5 · 参考 0.21
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 0.5 · 参考 0.21
- 斗气迸放消耗：档案 5.1% · 参考 1.6%
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
- 惩罚反击命中：档案 0.3 · 参考 0.12
复盘防守决策
斗气反攻：档案 0.4 · 参考 0.17
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
- 斗气反攻：档案 0.4 · 参考 0.17
- 斗气招架：档案 1.5 · 参考 1.89
- 精准招架：档案 0.4 · 参考 0.8
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10日 · AI：nex-agi/nex-n2.5-mini:free
如何应对这位玩家
把对局战绩当作观察线索
对阵Char 253：1,033场中获胜560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Char 253：1,033场中获胜560场
- 对阵Jamie：98场中获胜36场
- 对阵Ken：74场中获胜39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55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55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10日 · AI：nex-agi/nex-n2.5-mini:free