最近一场对战
失败排位赛
DH
C.DH更新于16小时前
CrossPlatform
OtherC100%
CrossPlatformOtherC100%び～～～～～す
New to Fighting Games
MR 1,483#369,082最近 10 场6–4+13最近 20 场12–8+31
胜率
58%
88 胜 · 63 负 · 已存 151 场
排位赛对战
151
已选模式
胜场
88
排位赛
负场
63
排位赛
最高 MR
1,550
Dhalsim
排位 MR · Dhalsim
本地 151 · 导入 81 · 图表显示 197 · 已存 151 场对战
尚未请求回放
DHC.DH按差值绝对值从大到小排列23 项习惯
| 习惯 | び～～～～～す | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 42.4% | 15.0% | +27.4% | |
| 斗气前冲（取消） | 7.5% | 30.7% | -23.2% | |
| SA1 | 34.8% | 53.6% | -18.7% | |
| 斗气防御 | 24.8% | 12.9% | +11.9% | |
| SA3 | 13.6% | 24.5% | -10.9% | |
| 斗气前冲（招架） | 15.0% | 7.3% | +7.7% | |
| 斗气技 | 14.6% | 21.5% | -6.9% | |
| 版边压制 | 4.20 | 7.51 | -3.31 | |
| CA | 9.1% | 6.9% | +2.2% | |
| 投技 | 3.50 | 1.81 | +1.69 | |
| 被困版边时间 | 11.10 | 12.39 | -1.29 | |
| 斗气反攻 | 0.90 | 0.56 | +0.34 | |
| 斗气迸放消耗 | 1.9% | 1.7% | +0.3% | |
| 受到惩罚反击 | 0.30 | 0.10 | +0.20 | |
| 招架时被投 | 0.40 | 0.25 | +0.15 | |
| 斗气招架 | 1.80 | 1.69 | +0.11 | |
| 拆投 | 0.50 | 0.42 | +0.08 | |
| 造成昏厥 | 0.00 | 0.07 | -0.07 | |
| 受到昏厥 | 0.00 | 0.05 | -0.05 | |
| 惩罚反击命中 | 0.10 | 0.14 | -0.04 | |
| 受到投技 | 2.10 | 2.06 | +0.04 | |
| 斗气迸放 | 0.20 | 0.23 | -0.03 | |
| 精准招架 | 0.50 | 0.47 | +0.03 |
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。
Dhalsim · 最近100场
需要改进的地方
找出惩罚反击的原因
受到惩罚反击：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
- 受到惩罚反击：档案 0.2 · 参考 0.1
- 惩罚反击命中：档案 0.1 · 参考 0.14
让斗气迸放有明确目的
斗气迸放：档案 0.2 · 参考 0.23
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 0.23
- 斗气迸放消耗：档案 1.8% · 参考 1.7%
复盘防守决策
斗气反攻：档案 1.7 · 参考 0.56
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 1.7 · 参考 0.56
- 斗气招架：档案 1.6 · 参考 1.69
- 精准招架：档案 0.4 · 参考 0.47
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
斗气反攻：档案 1.7 · 参考 0.56
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
- 斗气反攻：档案 1.7 · 参考 0.56
验证斗气迸放倾向
斗气迸放：档案 0.2 · 参考 0.23
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 0.23
- 斗气迸放消耗：档案 1.8% · 参考 1.7%
把对局战绩当作观察线索
对阵Alex：50场中获胜21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Alex：50场中获胜21场
- 对阵Akuma：58场中获胜30场
- 对阵Ken：48场中获胜21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