最近一场对战
胜利排位赛
JA
KEJA更新于4天前
CrossPlatform
Japan俱乐部 · CCG6C100%
CrossPlatformJapan俱乐部 · CCG6C100%Quuken
Throw Fists On Screen, Not Off!
MR 1,604#79,829最近 10 场4–6-20最近 20 场10–10-3
胜率
60%
27 胜 · 18 负 · 已存 45 场
排位赛对战
45
已选模式
胜场
27
排位赛
负场
18
排位赛
最高 MR
1,604
Jamie
排位 MR · Jamie
本地 45 · 导入 0 · 图表显示 45 · 已存 62 场对战
尚未请求回放
JAKEJA按差值绝对值从大到小排列23 项习惯
| 习惯 | Quuken | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 2.2% | 21.4% | -19.2% | |
| 斗气前冲（取消） | 43.8% | 33.8% | +9.9% | |
| SA1 | 38.0% | 29.0% | +9.0% | |
| SA3 | 45.7% | 39.7% | +5.9% | |
| 斗气技 | 18.5% | 23.2% | -4.7% | |
| CA | 14.1% | 9.8% | +4.3% | |
| 被困版边时间 | 6.60 | 8.56 | -1.96 | |
| 版边压制 | 16.50 | 14.89 | +1.61 | |
| 斗气前冲（招架） | 4.4% | 5.7% | -1.4% | |
| 斗气招架 | 2.40 | 1.78 | +0.62 | |
| 受到投技 | 1.80 | 2.15 | -0.35 | |
| 投技 | 2.10 | 2.40 | -0.30 | |
| 斗气迸放消耗 | 1.6% | 1.4% | +0.2% | |
| 精准招架 | 0.50 | 0.67 | -0.17 | |
| 斗气迸放 | 0.30 | 0.21 | +0.09 | |
| 受到惩罚反击 | 0.00 | 0.06 | -0.06 | |
| 受到昏厥 | 0.00 | 0.06 | -0.06 | |
| 斗气反攻 | 0.20 | 0.26 | -0.06 | |
| 惩罚反击命中 | 0.10 | 0.07 | +0.03 | |
| 造成昏厥 | 0.10 | 0.08 | +0.02 | |
| 斗气防御 | 11.0% | 11.0% | +0.0% | |
| 拆投 | 0.40 | 0.40 | 0.00 | |
| 招架时被投 | 0.20 | 0.20 | 0.00 |
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。
Jamie · 最近100场
需要改进的地方
复盘防守决策
斗气招架：档案 3.2 · 参考 1.7
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 3.2 · 参考 1.7
- 精准招架：档案 0.5 · 参考 0.6
- 斗气反攻：档案 0.2 · 参考 0.24
让斗气迸放有明确目的
斗气迸放：档案 0.2 · 参考 0.2
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 0.2
- 斗气迸放消耗：档案 1.8% · 参考 1.5%
追踪位置得失的过程
版边压制：档案 15.5 · 参考 14.71
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 15.5 · 参考 14.71
- 被困版边时间：档案 6.6 · 参考 7.67
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7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Sagat：91场中获胜61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Sagat：91场中获胜61场
- 对阵Yasmine：75场中获胜33场
- 对阵Marisa：53场中获胜40场
区分持续倾向与偶发失误
已保存的近期排位赛样本：20场中获胜13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：20场中获胜13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7日 · AI：dots-studio/dots-3-note-preview:free