最近一场对战
A.もぶあだV
排位 MR · A.K.I.
本地 64 · 导入 0 · 图表显示 64 · 已存 64 场对战
| 习惯 | もぶあだV | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA1 | 25.0% | 37.8% | -12.8% | |
| SA3 | 42.3% | 30.6% | +11.7% | |
| 斗气技 | 11.7% | 21.0% | -9.4% | |
| 斗气前冲(取消) | 31.0% | 23.3% | +7.7% | |
| SA2 | 28.8% | 22.0% | +6.9% | |
| CA | 3.8% | 9.6% | -5.8% | |
| 斗气前冲(招架) | 9.7% | 11.0% | -1.3% | |
| 斗气迸放消耗 | 0.9% | 1.8% | -0.8% | |
| 拆投 | 1.10 | 0.52 | +0.58 | |
| 受到投技 | 2.80 | 2.30 | +0.50 | |
| 斗气防御 | 17.5% | 17.0% | +0.5% | |
| 斗气招架 | 2.30 | 1.93 | +0.37 | |
| 被困版边时间 | 9.60 | 9.83 | -0.23 | |
| 版边压制 | 11.50 | 11.29 | +0.21 | |
| 斗气反攻 | 0.20 | 0.40 | -0.20 | |
| 投技 | 2.50 | 2.34 | +0.16 | |
| 斗气迸放 | 0.10 | 0.24 | -0.14 | |
| 精准招架 | 0.50 | 0.60 | -0.10 | |
| 造成昏厥 | 0.00 | 0.08 | -0.08 | |
| 受到昏厥 | 0.00 | 0.04 | -0.04 | |
| 招架时被投 | 0.20 | 0.22 | -0.02 | |
| 惩罚反击命中 | 0.10 | 0.12 | -0.02 | |
| 受到惩罚反击 | 0.10 | 0.11 | -0.01 |
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 0.1 · 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 0.1 · 参考 0.21
- 斗气迸放消耗:档案 0.9% · 参考 1.6%
复盘防守决策
斗气反攻:档案 0.2 · 参考 0.4
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 0.2 · 参考 0.4
- 精准招架:档案 0.5 · 参考 0.54
检查近距离选择
投技:档案 2.5 · 参考 2.31
回看五次近距离交锋,区分投技机会、投技尝试和防守选择。仅靠汇总次数无法判断当时的正确答案。
试试这样做在重复场景中记录打击和投技,练习选定的应对,再检查自己能否在实战中有意识地做出判断。
数据依据
- 投技:档案 2.5 · 参考 2.31
- 受到投技:档案 2.8 · 参考 2.33
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:dots-studio/dots-3-note-preview:free
如何应对这位玩家
先试探实际防守反应
拆投:档案 1.1 · 参考 0.53
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
- 拆投:档案 1.1 · 参考 0.53
- 斗气招架:档案 2.3 · 参考 1.77
根据当前量表调整
SA2:档案 28.8% · 参考 20.4%
对战时关注实际斗气和超必杀量表。档案中的消耗倾向只是待验证的线索,不能预测燃尽或保证反击机会。
试试这样做对方大幅消耗后,接近前先重新评估双方可用选择。如果其资源决策与统计不同,就以当前场面为准。
数据依据
- SA2:档案 28.8% · 参考 20.4%
- SA3:档案 42.3% · 参考 31.9%
把对局战绩当作观察线索
对阵Marisa:19场中获胜8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Marisa:19场中获胜8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:dots-studio/dots-3-note-preview:free

