最近一场对战
失败排位赛
LU
ED
YA
Steam
JapanM100%kwsm
Let's Do This
MR 1,402#495,591最近 10 场5–5+1最近 20 场8–12-29
胜率
50%
14 胜 · 14 负 · 已存 28 场
排位赛对战
28
已选模式
胜场
14
排位赛
负场
14
排位赛
最高 MR
1,499
Yasmine
排位 MR · Yasmine
本地 28 · 导入 0 · 图表显示 28 · 已存 28 场对战
尚未请求回放
LUEDYA按差值绝对值从大到小排列23 项习惯
| 习惯 | kwsm | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| CA | 25.0% | 9.2% | +15.8% | |
| SA2 | 9.1% | 24.2% | -15.1% | |
| SA1 | 18.2% | 30.9% | -12.7% | |
| SA3 | 47.7% | 35.7% | +12.1% | |
| 斗气技 | 9.7% | 17.5% | -7.8% | |
| 斗气前冲（取消） | 33.8% | 29.7% | +4.1% | |
| 版边压制 | 9.40 | 13.01 | -3.61 | |
| 被困版边时间 | 10.20 | 9.07 | +1.13 | |
| 斗气防御 | 13.8% | 14.5% | -0.7% | |
| 精准招架 | 0.10 | 0.70 | -0.60 | |
| 斗气招架 | 1.30 | 1.90 | -0.60 | |
| 斗气前冲（招架） | 8.9% | 8.4% | +0.5% | |
| 斗气迸放消耗 | 1.9% | 1.4% | +0.5% | |
| 投技 | 2.90 | 2.52 | +0.38 | |
| 斗气反攻 | 0.00 | 0.23 | -0.23 | |
| 拆投 | 0.70 | 0.48 | +0.22 | |
| 受到投技 | 2.50 | 2.34 | +0.16 | |
| 受到惩罚反击 | 0.20 | 0.06 | +0.14 | |
| 惩罚反击命中 | 0.20 | 0.10 | +0.10 | |
| 受到昏厥 | 0.00 | 0.06 | -0.06 | |
| 招架时被投 | 0.20 | 0.23 | -0.03 | |
| 斗气迸放 | 0.20 | 0.17 | +0.03 | |
| 造成昏厥 | 0.10 | 0.08 | +0.02 |
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。
Yasmine · 最近100场
需要改进的地方
找出惩罚反击的原因
惩罚反击命中：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
- 惩罚反击命中：档案 0.2 · 参考 0.09
- 受到惩罚反击：档案 0.2 · 参考 0.06
让斗气迸放有明确目的
斗气迸放：档案 0.2 · 参考 0.19
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 0.2 · 参考 0.19
- 斗气迸放消耗：档案 1.9% · 参考 1.4%
追踪位置得失的过程
版边压制：档案 9.4 · 参考 13.62
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 9.4 · 参考 13.62
- 被困版边时间：档案 10.2 · 参考 9.38
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
先试探实际防守反应
斗气招架：档案 1.3 · 参考 1.96
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
- 斗气招架：档案 1.3 · 参考 1.96
- 精准招架：档案 0.1 · 参考 0.74
验证斗气迸放倾向
斗气迸放：档案 0.2 · 参考 0.19
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 0.2 · 参考 0.19
- 斗气迸放消耗：档案 1.9% · 参考 1.4%
把对局战绩当作观察线索
对阵Char 253：715场中获胜382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 253：715场中获胜382场
- 对阵Yasmine：119场中获胜71场
- 对阵Luke：64场中获胜39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