最近一场对战
Nin29MSMS
I'm a Beginner
排位 LP · A.K.I.
此角色的 LP 走势
| 习惯 | Nin29MSMS | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 58.3% | 21.6% | +36.8% | |
| SA1 | 12.5% | 39.0% | -26.5% | |
| 斗气前冲(取消) | 2.4% | 23.3% | -20.9% | |
| SA3 | 12.5% | 30.7% | -18.2% | |
| 斗气技 | 7.6% | 21.9% | -14.3% | |
| 斗气迸放消耗 | 14.0% | 1.8% | +12.2% | |
| 版边压制 | 1.50 | 11.64 | -10.14 | |
| CA | 16.7% | 8.7% | +7.9% | |
| 斗气防御 | 8.5% | 16.3% | -7.7% | |
| 斗气前冲(招架) | 5.1% | 10.3% | -5.1% | |
| 投技 | 0.60 | 2.33 | -1.73 | |
| 斗气招架 | 0.20 | 1.85 | -1.65 | |
| 受到投技 | 1.50 | 2.33 | -0.83 | |
| 被困版边时间 | 8.80 | 9.56 | -0.76 | |
| 精准招架 | 0.00 | 0.57 | -0.57 | |
| 拆投 | 0.00 | 0.56 | -0.56 | |
| 斗气迸放 | 0.70 | 0.22 | +0.48 | |
| 受到惩罚反击 | 0.40 | 0.09 | +0.31 | |
| 斗气反攻 | 0.10 | 0.40 | -0.30 | |
| 招架时被投 | 0.00 | 0.30 | -0.30 | |
| 惩罚反击命中 | 0.30 | 0.10 | +0.20 | |
| 造成昏厥 | 0.00 | 0.08 | -0.08 | |
| 受到昏厥 | 0.00 | 0.05 | -0.05 |
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。
A.K.I. · 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 0.7 · 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 0.7 · 参考 0.21
- 斗气迸放消耗:档案 14% · 参考 1.6%
找出惩罚反击的原因
惩罚反击命中:档案 0.3 · 参考 0.1
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
- 惩罚反击命中:档案 0.3 · 参考 0.1
- 受到惩罚反击:档案 0.4 · 参考 0.1
复盘防守决策
斗气招架:档案 0.2 · 参考 1.77
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 0.2 · 参考 1.77
- 精准招架:档案 0 · 参考 0.54
- 斗气反攻:档案 0.1 · 参考 0.4
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6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Char 253:139场中获胜5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 253:139场中获胜5场
- 对阵M. Bison:33场中获胜0场
- 对阵Luke:18场中获胜0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6日 · AI:dots-studio/dots-3-note-preview:free
Public data
Public statistics and datasets
Results from 13 of 13 stored matches. Explore the datasets for the full saved history.
Results in stored match sample
1 row- Wins
- 1games
- Losses
- 12games
- Draws
- 0games
- Games
- 13games
- Win rate (draw = half win)
- 7.69%
Field definitions 5 fields
- Wins
- Wins · games.
wins - Losses
- Losses · games.
losses - Draws
- Draws · games.
draws - Games
- Games · games.
total - Win rate (draw = half win)
- Win rate (draw = half win) · percent.
winRateDisplayed to two decimal places; JSON retains full precision.
Current saved character ratings
6 rowsScroll if needed to compare columns. Expand Details for the remaining fields.
| Character | MRMR points | LPLP points | Details |
|---|---|---|---|
| Zangief | 0 | -1 | Details for Current saved character ratings, row 1
|
| A.K.I. | 0 | -1 | Details for Current saved character ratings, row 2
|
| Juri | 0 | -1 | Details for Current saved character ratings, row 3
|
| E. Honda | 0 | -1 | Details for Current saved character ratings, row 4
|
| Akuma | 0 | -1 | Details for Current saved character ratings, row 5
|
| Ingrid | 0 | -1 | Details for Current saved character ratings, row 6
|
Field definitions 4 fields
- Character ID
- Character ID · identifier.
characterId - Character
- Character · text.
character - MR
- Master Rating · MR points.
mr - LP
- League Points · LP points.
lp
Last saved update: .
Latest saved profile; local results cover at most the newest 10,000 stored matches across all modes.





