最近一场对战
胜利自定义房间
AK
IN
MA更新于18小时前
Steam
China俱乐部 · BUAAGYMC100%
SteamChina俱乐部 · BUAAGYMC100%飘叶落木苏
Let's Do This
MR 1,601#96,640最近 10 场5–5-4最近 20 场8–12-39
胜率
58%
46 胜 · 34 负 · 已存 80 场
排位赛对战
80
已选模式
胜场
46
排位赛
负场
34
排位赛
最高 MR
1,650
Mai
排位 MR · Mai
本地 80 · 导入 0 · 图表显示 80 · 已存 100 场对战
尚未请求回放
AKINMA按差值绝对值从大到小排列23 项习惯
| 习惯 | 飘叶落木苏 | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 9.1% | 20.2% | -11.1% | |
| 斗气技 | 31.5% | 22.7% | +8.8% | |
| 斗气防御 | 8.3% | 13.4% | -5.1% | |
| CA | 11.7% | 6.6% | +5.1% | |
| SA1 | 58.4% | 54.6% | +3.9% | |
| 斗气前冲（招架） | 5.0% | 7.5% | -2.5% | |
| 斗气前冲（取消） | 27.0% | 29.4% | -2.4% | |
| SA3 | 20.8% | 18.6% | +2.1% | |
| 被困版边时间 | 7.20 | 9.32 | -2.12 | |
| 斗气招架 | 1.00 | 1.87 | -0.87 | |
| 斗气迸放消耗 | 2.0% | 1.3% | +0.7% | |
| 版边压制 | 12.30 | 12.99 | -0.69 | |
| 精准招架 | 0.30 | 0.70 | -0.40 | |
| 拆投 | 0.20 | 0.46 | -0.26 | |
| 受到投技 | 2.00 | 2.23 | -0.23 | |
| 招架时被投 | 0.10 | 0.26 | -0.16 | |
| 斗气迸放 | 0.30 | 0.19 | +0.11 | |
| 惩罚反击命中 | 0.20 | 0.10 | +0.10 | |
| 斗气反攻 | 0.10 | 0.19 | -0.09 | |
| 受到昏厥 | 0.10 | 0.05 | +0.05 | |
| 造成昏厥 | 0.10 | 0.06 | +0.04 | |
| 受到惩罚反击 | 0.10 | 0.07 | +0.03 | |
| 投技 | 2.50 | 2.49 | +0.01 |
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。
Mai · 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 0.1
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 0.2 · 参考 0.1
- 受到惩罚反击：档案 0.1 · 参考 0.07
让斗气迸放有明确目的
斗气迸放：档案 0.3 · 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 0.3 · 参考 0.19
- 斗气迸放消耗：档案 2% · 参考 1.3%
复盘防守决策
斗气反攻：档案 0.1 · 参考 0.19
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 0.1 · 参考 0.19
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16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 253：433场中获胜231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 253：433场中获胜231场
- 对阵Jamie：54场中获胜32场
- 对阵Ryu：37场中获胜14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16日 · AI：dots-studio/dots-3-note-preview:free