最近一场对战
胜利排位赛
MA
SAMA更新于15小时前
Steam
JapanC100%
SteamJapanC100%ふぇろもん
Let's Do This
MR 1,501#253,064最近 10 场6–4+18最近 20 场12–8+30
胜率
53%
46 胜 · 40 负 · 已存 86 场
排位赛对战
86
已选模式
胜场
46
排位赛
负场
40
排位赛
最高 MR
1,520
Marisa
排位 MR · Marisa
本地 84 · 导入 81 · 图表显示 84 · 已存 179 场对战
尚未请求回放
MASAMA按差值绝对值从大到小排列23 项习惯
| 习惯 | ふぇろもん | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| CA | 27.1% | 7.3% | +19.8% | |
| SA2 | 0.0% | 18.1% | -18.1% | |
| 斗气技 | 5.6% | 19.0% | -13.3% | |
| 斗气前冲（取消） | 19.2% | 29.3% | -10.1% | |
| SA1 | 35.4% | 41.8% | -6.4% | |
| 斗气防御 | 20.4% | 14.5% | +5.8% | |
| 斗气前冲（招架） | 14.3% | 8.9% | +5.4% | |
| SA3 | 37.5% | 32.8% | +4.7% | |
| 被困版边时间 | 10.70 | 7.86 | +2.84 | |
| 受到投技 | 3.60 | 2.20 | +1.40 | |
| 版边压制 | 8.70 | 10.02 | -1.32 | |
| 斗气迸放消耗 | 2.9% | 1.8% | +1.1% | |
| 精准招架 | 0.20 | 0.59 | -0.39 | |
| 斗气招架 | 1.30 | 1.56 | -0.26 | |
| 拆投 | 0.80 | 0.54 | +0.26 | |
| 斗气反攻 | 0.10 | 0.33 | -0.23 | |
| 投技 | 1.80 | 2.03 | -0.23 | |
| 受到惩罚反击 | 0.20 | 0.11 | +0.09 | |
| 招架时被投 | 0.20 | 0.28 | -0.08 | |
| 受到昏厥 | 0.00 | 0.03 | -0.03 | |
| 惩罚反击命中 | 0.10 | 0.11 | -0.01 | |
| 造成昏厥 | 0.10 | 0.09 | +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。
Marisa · 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 0.11
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
- 受到惩罚反击：档案 0.2 · 参考 0.11
- 惩罚反击命中：档案 0.2 · 参考 0.12
检查近距离选择
拆投：档案 0.8 · 参考 0.52
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
- 拆投：档案 0.8 · 参考 0.52
- 受到投技：档案 3.1 · 参考 2.3
明确每次量表消耗的目的
斗气技：档案 5.7% · 参考 18.5%
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
- 斗气技：档案 5.7% · 参考 18.5%
- SA2：档案 2.1% · 参考 20.9%
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8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Char 253：419场中获胜220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 253：419场中获胜220场
先试探实际防守反应
斗气招架：档案 1.4 · 参考 1.59
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 1.4 · 参考 1.59
- 精准招架：档案 0.4 · 参考 0.6
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8日 · AI：nex-agi/nex-n2.5-mini:free