最近一场对战
失败斗技战场
CA
TECA更新于4天前
CrossPlatform
JapanC100%
CrossPlatformJapanC100%つなやろ
Let's Do This
MR 1,584#103,767最近 10 场8–2+50最近 20 场15–5+80
胜率
52%
23 胜 · 21 负 · 已存 44 场
排位赛对战
44
已选模式
胜场
23
排位赛
负场
21
排位赛
最高 MR
1,588
Cammy
排位 MR · Cammy
本地 44 · 导入 0 · 图表显示 44 · 已存 109 场对战
尚未请求回放
CATECA按差值绝对值从大到小排列23 项习惯
| 习惯 | つなやろ | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA3 | 47.5% | 31.2% | +16.4% | |
| SA2 | 3.3% | 16.0% | -12.7% | |
| 斗气技 | 8.4% | 16.8% | -8.4% | |
| 斗气前冲（取消） | 46.1% | 40.7% | +5.4% | |
| 版边压制 | 7.60 | 12.91 | -5.31 | |
| 斗气防御 | 12.8% | 10.1% | +2.7% | |
| SA1 | 41.0% | 43.6% | -2.6% | |
| 被困版边时间 | 10.10 | 8.80 | +1.30 | |
| 斗气前冲（招架） | 4.0% | 5.2% | -1.2% | |
| CA | 8.2% | 9.3% | -1.1% | |
| 斗气招架 | 2.60 | 1.56 | +1.04 | |
| 斗气反攻 | 0.00 | 0.18 | -0.18 | |
| 受到投技 | 2.30 | 2.13 | +0.17 | |
| 惩罚反击命中 | 0.00 | 0.09 | -0.09 | |
| 斗气迸放 | 0.10 | 0.16 | -0.06 | |
| 受到惩罚反击 | 0.00 | 0.06 | -0.06 | |
| 受到昏厥 | 0.10 | 0.04 | +0.06 | |
| 招架时被投 | 0.20 | 0.25 | -0.05 | |
| 拆投 | 0.40 | 0.35 | +0.05 | |
| 精准招架 | 0.50 | 0.54 | -0.04 | |
| 造成昏厥 | 0.10 | 0.07 | +0.03 | |
| 投技 | 2.40 | 2.43 | -0.03 | |
| 斗气迸放消耗 | 1.3% | 1.3% | +0.0% |
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。
Cammy · 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 0.1 · 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 0.1 · 参考 0.16
找出惩罚反击的原因
惩罚反击命中：档案 0 · 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
- 惩罚反击命中：档案 0 · 参考 0.09
- 受到惩罚反击：档案 0 · 参考 0.06
明确每次量表消耗的目的
斗气前冲（取消）：档案 46.1% · 参考 40.7%
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
- 斗气前冲（取消）：档案 46.1% · 参考 40.7%
- 斗气技：档案 8.4% · 参考 16.8%
- SA2：档案 3.3% · 参考 16%
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10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Alex：84场中获胜27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：84场中获胜27场
- 对阵Akuma：38场中获胜17场
- 对阵Jamie：15场中获胜7场
区分持续倾向与偶发失误
已保存的近期排位赛样本：41场中获胜21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：41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10日 · AI：nex-agi/nex-n2.5-mini:free