最近一场对战
胜利排位赛
MA
M.MA更新于1天前
Steam
OtherC100%
SteamOtherC100%ZIMON
You Want the Foot?
最近 10 场7–3最近 20 场14–6
胜率
52%
47 胜 · 44 负 · 已存 91 场
排位赛对战
91
已选模式
胜场
47
排位赛
负场
44
排位赛
最高 LP
6,726
Mai
排位 LP · Mai
此角色的 LP 走势
尚未请求回放
MAM.MA按差值绝对值从大到小排列23 项习惯
| 习惯 | ZIMON | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气前冲（取消） | 3.8% | 29.4% | -25.5% | |
| SA1 | 39.3% | 54.6% | -15.2% | |
| CA | 16.4% | 6.6% | +9.8% | |
| 版边压制 | 4.00 | 12.99 | -8.99 | |
| 斗气迸放消耗 | 9.2% | 1.3% | +7.9% | |
| 斗气前冲（招架） | 1.3% | 7.5% | -6.2% | |
| 斗气技 | 28.4% | 22.7% | +5.7% | |
| SA2 | 24.6% | 20.2% | +4.4% | |
| 被困版边时间 | 11.90 | 9.32 | +2.58 | |
| 斗气防御 | 11.0% | 13.4% | -2.4% | |
| SA3 | 19.7% | 18.6% | +1.0% | |
| 精准招架 | 0.20 | 0.70 | -0.50 | |
| 斗气迸放 | 0.60 | 0.19 | +0.41 | |
| 投技 | 2.80 | 2.49 | +0.31 | |
| 惩罚反击命中 | 0.40 | 0.10 | +0.30 | |
| 受到惩罚反击 | 0.30 | 0.07 | +0.23 | |
| 斗气反攻 | 0.00 | 0.19 | -0.19 | |
| 招架时被投 | 0.10 | 0.26 | -0.16 | |
| 拆投 | 0.60 | 0.46 | +0.14 | |
| 受到投技 | 2.10 | 2.23 | -0.13 | |
| 斗气招架 | 1.80 | 1.87 | -0.07 | |
| 造成昏厥 | 0.00 | 0.06 | -0.06 | |
| 受到昏厥 | 0.00 | 0.05 | -0.05 |
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。
Mai · 最近100场
需要改进的地方
让斗气迸放有明确目的
斗气迸放：档案 1.3 · 参考 0.16
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 1.3 · 参考 0.16
- 斗气迸放消耗：档案 16.7% · 参考 1.2%
复盘防守决策
斗气招架：档案 1.7 · 参考 1.69
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 1.7 · 参考 1.69
- 精准招架：档案 0.2 · 参考 0.67
- 斗气反攻：档案 0 · 参考 0.15
比较胜负中的决策
已保存的近期排位赛样本：68场中获胜33场
从已保存的近期样本中选两场胜利与两场失败，找出变化的决策。战绩本身无法解释结果变化的原因。
试试这样做写下接下来五场要测试的一项具体判断。复盘是否执行及发生了什么，不要只用胜负评价练习。
数据依据
- 已保存的近期排位赛样本：68场中获胜33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
如何应对这位玩家
验证斗气迸放倾向
斗气迸放：档案 1.3 · 参考 0.16
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 1.3 · 参考 0.16
- 斗气迸放消耗：档案 16.7% · 参考 1.2%
先试探实际防守反应
斗气招架：档案 1.7 · 参考 1.69
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 1.7 · 参考 1.69
- 精准招架：档案 0.2 · 参考 0.67
- 斗气反攻：档案 0 · 参考 0.15
把对局战绩当作观察线索
对阵Ryu：61场中获胜36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Ryu：61场中获胜36场
- 对阵Akuma：21场中获胜7场
- 对阵Yasmine：17场中获胜5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