最近一场对战
失败自定义房间
JU
RYJU
Steam
JapanC100%千里山モンキー
Angel Devil Kingdom
MR 1,508#208,150最近 10 场6–4+16最近 20 场12–8+31
胜率
58%
28 胜 · 20 负 · 已存 48 场
排位赛对战
48
已选模式
胜场
28
排位赛
负场
20
排位赛
最高 MR
1,586
Juri
排位 MR · Juri
本地 48 · 导入 0 · 图表显示 48 · 已存 52 场对战
尚未请求回放
JURYJU按差值绝对值从大到小排列23 项习惯
| 习惯 | 千里山モンキー | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 0.0% | 19.5% | -19.5% | |
| SA3 | 53.3% | 34.8% | +18.5% | |
| 斗气技 | 10.6% | 19.4% | -8.8% | |
| 斗气前冲（取消） | 36.4% | 31.9% | +4.6% | |
| CA | 13.3% | 8.9% | +4.4% | |
| SA1 | 33.3% | 36.7% | -3.4% | |
| 版边压制 | 9.20 | 12.24 | -3.04 | |
| 斗气防御 | 11.4% | 13.4% | -2.0% | |
| 斗气前冲（招架） | 8.9% | 7.1% | +1.8% | |
| 斗气招架 | 0.70 | 2.07 | -1.37 | |
| 精准招架 | 0.10 | 0.64 | -0.54 | |
| 受到投技 | 2.60 | 2.13 | +0.47 | |
| 投技 | 3.10 | 2.65 | +0.45 | |
| 被困版边时间 | 9.60 | 9.20 | +0.40 | |
| 斗气迸放消耗 | 2.3% | 2.0% | +0.3% | |
| 斗气反攻 | 0.10 | 0.20 | -0.10 | |
| 惩罚反击命中 | 0.20 | 0.13 | +0.07 | |
| 受到昏厥 | 0.10 | 0.04 | +0.06 | |
| 招架时被投 | 0.20 | 0.26 | -0.06 | |
| 拆投 | 0.40 | 0.46 | -0.06 | |
| 斗气迸放 | 0.30 | 0.27 | +0.03 | |
| 造成昏厥 | 0.10 | 0.09 | +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。
Juri · 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 0.11
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 0.11
- 受到惩罚反击：档案 0.1 · 参考 0.08
让斗气迸放有明确目的
斗气迸放：档案 0.3 · 参考 0.24
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 0.24
- 斗气迸放消耗：档案 2.3% · 参考 1.8%
明确每次量表消耗的目的
SA2：档案 0% · 参考 15.8%
看着实际量表回顾五次资源决策，记录换来了什么以及还剩哪些选择。使用占比本身不能衡量效率。
试试这样做练习熟悉连段的资源消耗版本与节省版本，比较结果和剩余量表，再决定各自适用的场景。
数据依据
- SA2：档案 0% · 参考 15.8%
- 斗气技：档案 10.6% · 参考 21.1%
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
把对局战绩当作观察线索
对阵Char 253：1,408场中获胜697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 253：1,408场中获胜697场
- 对阵Ryu：123场中获胜70场
- 对阵Alex：117场中获胜59场
验证斗气迸放倾向
斗气迸放：档案 0.3 · 参考 0.24
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 0.3 · 参考 0.24
- 斗气迸放消耗：档案 2.3% · 参考 1.8%
先试探实际防守反应
斗气招架：档案 0.7 · 参考 2.01
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 0.7 · 参考 2.01
- 精准招架：档案 0.1 · 参考 0.64
- 斗气反攻：档案 0.1 · 参考 0.17
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