最近一场对战
失败排位赛
JP
JUJP更新于5小时前
Steam
ChinaC100%
SteamChinaC100%菜豹来辣
Let's Do This
MR 1,500#262,481最近 10 场7–3最近 20 场14–6
胜率
74%
31 胜 · 11 负 · 已存 42 场
排位赛对战
42
已选模式
胜场
31
排位赛
负场
11
排位赛
最高 MR
1,500
JP
排位 MR · JP
本地 2 · 导入 0 · 图表显示 2 · 已存 42 场对战
尚未请求回放
JPJUJP按差值绝对值从大到小排列23 项习惯
| 习惯 | 菜豹来辣 | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气前冲（取消） | 2.7% | 22.1% | -19.4% | |
| SA2 | 70.8% | 54.2% | +16.7% | |
| SA1 | 12.5% | 22.6% | -10.1% | |
| 斗气技 | 40.9% | 31.4% | +9.5% | |
| 版边压制 | 4.80 | 10.70 | -5.90 | |
| 斗气防御 | 7.2% | 13.0% | -5.8% | |
| SA3 | 13.9% | 18.1% | -4.2% | |
| CA | 2.8% | 5.2% | -2.4% | |
| 被困版边时间 | 10.20 | 12.00 | -1.80 | |
| 斗气前冲（招架） | 5.0% | 6.7% | -1.7% | |
| 斗气迸放消耗 | 3.7% | 2.1% | +1.6% | |
| 斗气招架 | 0.60 | 2.00 | -1.40 | |
| 受到投技 | 3.20 | 2.29 | +0.91 | |
| 精准招架 | 0.00 | 0.76 | -0.76 | |
| 斗气反攻 | 0.80 | 0.17 | +0.63 | |
| 拆投 | 0.80 | 0.41 | +0.39 | |
| 惩罚反击命中 | 0.50 | 0.13 | +0.37 | |
| 投技 | 1.70 | 2.02 | -0.32 | |
| 受到惩罚反击 | 0.30 | 0.09 | +0.21 | |
| 招架时被投 | 0.20 | 0.38 | -0.18 | |
| 斗气迸放 | 0.50 | 0.33 | +0.17 | |
| 造成昏厥 | 0.00 | 0.10 | -0.10 | |
| 受到昏厥 | 0.00 | 0.03 | -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。
JP · 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 0.3 · 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 0.3 · 参考 0.09
- 惩罚反击命中：档案 0.5 · 参考 0.13
复盘防守决策
斗气招架：档案 0.6 · 参考 2
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 0.6 · 参考 2
- 精准招架：档案 0 · 参考 0.76
追踪位置得失的过程
版边压制：档案 4.8 · 参考 10.7
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 4.8 · 参考 10.7
- 被困版边时间：档案 10.2 · 参考 12
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：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Ken：43场中获胜26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Ken：43场中获胜26场
- 对阵Zangief：42场中获胜17场
- 对阵Akuma：40场中获胜17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：nex-agi/nex-n2.5-mini:free