最近一场对战
MADAHLIA
排位 LP · Marisa
此角色的 LP 走势
| 习惯 | DAHLIA | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气前冲(取消) | 0.1% | 27.7% | -27.6% | |
| 斗气技 | 36.0% | 19.6% | +16.3% | |
| SA3 | 21.1% | 34.5% | -13.4% | |
| SA1 | 47.4% | 38.1% | +9.3% | |
| CA | 18.4% | 9.6% | +8.8% | |
| 斗气迸放消耗 | 7.5% | 2.0% | +5.5% | |
| SA2 | 13.2% | 17.8% | -4.6% | |
| 斗气防御 | 11.0% | 15.1% | -4.1% | |
| 版边压制 | 7.40 | 9.73 | -2.33 | |
| 投技 | 0.40 | 2.01 | -1.61 | |
| 被困版边时间 | 7.20 | 8.63 | -1.43 | |
| 斗气招架 | 0.20 | 1.50 | -1.30 | |
| 斗气前冲(招架) | 8.5% | 9.6% | -1.2% | |
| 精准招架 | 0.00 | 0.55 | -0.55 | |
| 斗气反攻 | 0.80 | 0.32 | +0.48 | |
| 拆投 | 0.10 | 0.55 | -0.45 | |
| 受到投技 | 2.60 | 2.31 | +0.29 | |
| 招架时被投 | 0.00 | 0.25 | -0.25 | |
| 受到惩罚反击 | 0.30 | 0.12 | +0.18 | |
| 造成昏厥 | 0.00 | 0.11 | -0.11 | |
| 斗气迸放 | 0.30 | 0.21 | +0.09 | |
| 惩罚反击命中 | 0.20 | 0.12 | +0.08 | |
| 受到昏厥 | 0.10 | 0.04 | +0.06 |
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 0.3 · 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 0.3 · 参考 0.11
- 惩罚反击命中:档案 0.2 · 参考 0.12
复盘防守决策
斗气反攻:档案 0.8 · 参考 0.32
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 0.8 · 参考 0.32
- 斗气招架:档案 0.2 · 参考 1.59
- 精准招架:档案 0 · 参考 0.6
明确每次量表消耗的目的
斗气前冲(取消):档案 0.1% · 参考 28.2%
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 0.1% · 参考 28.2%
- 斗气技:档案 36% · 参考 18.5%
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9日 · AI:nex-agi/nex-n2.5-mini:free
如何应对这位玩家
先试探实际防守反应
斗气反攻:档案 0.8 · 参考 0.32
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 0.8 · 参考 0.32
- 斗气招架:档案 0.2 · 参考 1.59
- 精准招架:档案 0 · 参考 0.6
验证斗气迸放倾向
斗气迸放:档案 0.3 · 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 0.3 · 参考 0.2
- 斗气迸放消耗:档案 7.5% · 参考 1.9%
区分持续倾向与偶发失误
已保存的近期排位赛样本:21场中获胜10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:21场中获胜10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9日 · AI:nex-agi/nex-n2.5-mini:free

