最近一场对战
胜利排位赛
AL
RYAL更新于13小时前
Steam
JapanC100%
SteamJapanC100%Nanashi
Let's Do This
MR 1,501#252,154最近 10 场7–3+31最近 20 场10–10-5
胜率
49%
98 胜 · 103 负 · 已存 201 场
排位赛对战
201
已选模式
胜场
98
排位赛
负场
103
排位赛
最高 MR
1,506
Alex
排位 MR · Alex
本地 158 · 导入 0 · 图表显示 158 · 已存 201 场对战
尚未请求回放
ALRYAL按差值绝对值从大到小排列23 项习惯
| 习惯 | Nanashi | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA1 | 16.7% | 43.0% | -26.4% | |
| SA3 | 46.7% | 22.1% | +24.6% | |
| 斗气前冲（取消） | 47.8% | 33.0% | +14.8% | |
| 斗气技 | 2.7% | 14.2% | -11.5% | |
| CA | 15.0% | 6.5% | +8.5% | |
| SA2 | 21.7% | 28.4% | -6.7% | |
| 斗气防御 | 9.2% | 14.1% | -4.9% | |
| 斗气前冲（招架） | 4.8% | 8.2% | -3.4% | |
| 受到投技 | 3.60 | 2.12 | +1.48 | |
| 版边压制 | 7.60 | 9.01 | -1.41 | |
| 斗气反攻 | 1.80 | 0.47 | +1.33 | |
| 被困版边时间 | 8.70 | 9.88 | -1.18 | |
| 投技 | 3.50 | 2.32 | +1.18 | |
| 拆投 | 1.10 | 0.48 | +0.62 | |
| 斗气迸放消耗 | 1.4% | 1.7% | -0.4% | |
| 精准招架 | 0.60 | 0.70 | -0.10 | |
| 惩罚反击命中 | 0.20 | 0.12 | +0.08 | |
| 受到惩罚反击 | 0.20 | 0.12 | +0.08 | |
| 造成昏厥 | 0.00 | 0.07 | -0.07 | |
| 斗气招架 | 1.70 | 1.63 | +0.07 | |
| 受到昏厥 | 0.10 | 0.05 | +0.05 | |
| 招架时被投 | 0.30 | 0.29 | +0.01 | |
| 斗气迸放 | 0.20 | 0.20 | +0.00 |
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。
Ken · 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 0.08
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 0.08
复盘防守决策
斗气反攻：档案 1.6 · 参考 0.19
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 1.6 · 参考 0.19
追踪位置得失的过程
版边压制：档案 6 · 参考 12.91
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 6 · 参考 12.91
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7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Chun-Li：10场中获胜5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Chun-Li：10场中获胜5场
- 对阵Yasmine：11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7日 · AI：dots-studio/dots-3-note-preview:free
Alex · 最近100场
需要改进的地方
复盘防守决策
斗气反攻：档案 1.6 · 参考 0.47
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 1.6 · 参考 0.47
- 精准招架：档案 0.2 · 参考 0.7
- 斗气招架：档案 1 · 参考 1.63
检查近距离选择
投技：档案 3.4 · 参考 2.32
回看五次近距离交锋，区分投技机会、投技尝试和防守选择。仅靠汇总次数无法判断当时的正确答案。
试试这样做在重复场景中记录打击和投技，练习选定的应对，再检查自己能否在实战中有意识地做出判断。
数据依据
- 投技：档案 3.4 · 参考 2.32
- 受到投技：档案 2.9 · 参考 2.12
- 拆投：档案 1 · 参考 0.48
追踪位置得失的过程
版边压制：档案 6 · 参考 9.01
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 6 · 参考 9.01
- 被困版边时间：档案 10.9 · 参考 9.88
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7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 1.6 · 参考 0.47
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 1.6 · 参考 0.47
- 拆投：档案 1 · 参考 0.48
验证斗气迸放倾向
斗气迸放：档案 0.2 · 参考 0.2
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 0.2
- 斗气迸放消耗：档案 2.5% · 参考 1.7%
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7日 · AI：dots-studio/dots-3-note-preview:free