最近一场对战
胜利排位赛
JU
ALJU更新于11小时前
Steam
JapanC100%
SteamJapanC100%Zilch696
Super Fighting Robots!
MR 1,722#21,956最近 10 场7–3+21最近 20 场14–6+53
胜率
57%
43 胜 · 33 负 · 已存 76 场
排位赛对战
76
已选模式
胜场
43
排位赛
负场
33
排位赛
最高 MR
1,768
Juri
排位 MR · Juri
本地 76 · 导入 239 · 图表显示 280 · 已存 147 场对战
尚未请求回放
JUALJU按差值绝对值从大到小排列23 项习惯
| 习惯 | Zilch696 | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 0.0% | 19.5% | -19.5% | |
| SA3 | 49.3% | 34.8% | +14.4% | |
| CA | 14.5% | 8.9% | +5.6% | |
| 斗气前冲（取消） | 28.4% | 31.9% | -3.5% | |
| 斗气前冲（招架） | 10.5% | 7.1% | +3.3% | |
| 斗气防御 | 14.8% | 13.4% | +1.3% | |
| 被困版边时间 | 8.00 | 9.20 | -1.20 | |
| 斗气技 | 18.4% | 19.4% | -1.0% | |
| 斗气迸放消耗 | 2.9% | 2.0% | +0.8% | |
| 斗气招架 | 1.30 | 2.07 | -0.77 | |
| SA1 | 36.2% | 36.7% | -0.5% | |
| 精准招架 | 0.20 | 0.64 | -0.44 | |
| 版边压制 | 11.80 | 12.24 | -0.44 | |
| 受到投技 | 1.90 | 2.13 | -0.23 | |
| 斗气反攻 | 0.00 | 0.20 | -0.20 | |
| 斗气迸放 | 0.40 | 0.27 | +0.13 | |
| 惩罚反击命中 | 0.20 | 0.13 | +0.07 | |
| 招架时被投 | 0.20 | 0.26 | -0.06 | |
| 拆投 | 0.40 | 0.46 | -0.06 | |
| 投技 | 2.60 | 2.65 | -0.05 | |
| 受到昏厥 | 0.00 | 0.04 | -0.04 | |
| 造成昏厥 | 0.10 | 0.09 | +0.01 | |
| 受到惩罚反击 | 0.10 | 0.09 | +0.01 |
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。
Juri · 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 0.24
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 0.24
- 斗气迸放消耗：档案 1.2% · 参考 1.8%
复盘防守决策
斗气招架：档案 1.2 · 参考 2.01
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 1.2 · 参考 2.01
- 精准招架：档案 0.2 · 参考 0.64
- 斗气反攻：档案 0 · 参考 0.17
明确每次量表消耗的目的
SA2：档案 0% · 参考 15.8%
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
- SA2：档案 0% · 参考 15.8%
- SA3：档案 41.6% · 参考 34.6%
- CA：档案 12.4% · 参考 9.9%
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7日 · AI：dots-studio/dots-3-note-preview:free
如何应对这位玩家
寻找可重复利用的反击机会
惩罚反击命中：档案 0 · 参考 0.11
把统计作为观察线索。寻找你已验证在该距离能反击的动作，不要仅凭观感认定它有破绽。
试试这样做该动作出现时，尝试已确认的反击。如果对方不再使用，就恢复平常的距离控制，不必强行寻找机会。
数据依据
- 惩罚反击命中：档案 0 · 参考 0.11
- 受到惩罚反击：档案 0 · 参考 0.08
验证斗气迸放倾向
斗气迸放：档案 0.1 · 参考 0.24
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 0.1 · 参考 0.24
- 斗气迸放消耗：档案 1.2% · 参考 1.8%
先试探实际防守反应
斗气招架：档案 1.2 · 参考 2.01
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 1.2 · 参考 2.01
- 精准招架：档案 0.2 · 参考 0.64
- 斗气反攻：档案 0 · 参考 0.17
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