最近一场对战
胜利排位赛
TE
JATE更新于3天前
CrossPlatform
JapanC100%
CrossPlatformJapanC100%zeze
Let's Mosey
MR 1,466#412,790最近 10 场4–6-15最近 20 场8–12-32
胜率
48%
59 胜 · 65 负 · 已存 124 场
排位赛对战
124
已选模式
胜场
59
排位赛
负场
65
排位赛
最高 MR
1,519
Terry
排位 MR · Terry
本地 124 · 导入 0 · 图表显示 124 · 已存 172 场对战
尚未请求回放
TEJATE按差值绝对值从大到小排列23 项习惯
| 习惯 | zeze | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA1 | 9.3% | 33.6% | -24.3% | |
| SA2 | 48.8% | 24.5% | +24.3% | |
| 斗气前冲（取消） | 14.7% | 33.4% | -18.7% | |
| 斗气防御 | 19.2% | 14.3% | +4.9% | |
| 斗气技 | 13.5% | 16.3% | -2.9% | |
| 版边压制 | 10.00 | 12.45 | -2.45 | |
| 斗气前冲（招架） | 10.4% | 8.2% | +2.1% | |
| SA3 | 34.9% | 32.8% | +2.1% | |
| CA | 7.0% | 9.0% | -2.0% | |
| 被困版边时间 | 11.00 | 9.65 | +1.35 | |
| 受到投技 | 3.50 | 2.21 | +1.29 | |
| 斗气迸放消耗 | 2.1% | 1.6% | +0.5% | |
| 投技 | 2.10 | 2.49 | -0.39 | |
| 斗气招架 | 2.10 | 1.89 | +0.21 | |
| 精准招架 | 0.70 | 0.80 | -0.10 | |
| 拆投 | 0.50 | 0.43 | +0.07 | |
| 招架时被投 | 0.20 | 0.26 | -0.06 | |
| 受到昏厥 | 0.00 | 0.05 | -0.05 | |
| 斗气反攻 | 0.20 | 0.17 | +0.03 | |
| 造成昏厥 | 0.10 | 0.07 | +0.03 | |
| 惩罚反击命中 | 0.10 | 0.12 | -0.02 | |
| 斗气迸放 | 0.20 | 0.21 | -0.01 | |
| 受到惩罚反击 | 0.10 | 0.09 | +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。
Terry · 最近100场
需要改进的地方
追踪位置得失的过程
被困版边时间：档案 12.3 · 参考 9.65
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
- 被困版边时间：档案 12.3 · 参考 9.65
- 版边压制：档案 10.2 · 参考 12.45
找出惩罚反击的原因
受到惩罚反击：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
- 受到惩罚反击：档案 0.2 · 参考 0.09
检查近距离选择
受到投技：档案 3.7 · 参考 2.21
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
- 受到投技：档案 3.7 · 参考 2.21
- 拆投：档案 0.6 · 参考 0.43
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12日 · AI：nex-agi/nex-n2.5-mini:free
如何应对这位玩家
把对局战绩当作观察线索
对阵Yasmine：75场中获胜38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Yasmine：75场中获胜38场
区分持续倾向与偶发失误
已保存的近期排位赛样本：100场中获胜50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：100场中获胜50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12日 · AI：nex-agi/nex-n2.5-mini:free