最近一场对战
胜利排位赛
JU
RYJU更新于1周前
CrossPlatform
JapanM100%
CrossPlatformJapanM100%sea0018
Newcomer
LP 12,095最近 10 场4–6最近 20 场8–12
胜率
40%
10 胜 · 15 负 · 已存 25 场
排位赛对战
25
已选模式
胜场
10
排位赛
负场
15
排位赛
最高 LP
12,658
Juri
排位 LP · Juri
此角色的 LP 走势
尚未请求回放
JURYJU按差值绝对值从大到小排列23 项习惯
| 习惯 | sea0018 | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气前冲（取消） | 0.0% | 31.9% | -31.9% | |
| SA1 | 7.0% | 36.7% | -29.7% | |
| CA | 33.3% | 8.9% | +24.4% | |
| SA3 | 57.9% | 34.8% | +23.1% | |
| SA2 | 1.8% | 19.5% | -17.8% | |
| 斗气技 | 37.1% | 19.4% | +17.7% | |
| 斗气迸放消耗 | 15.7% | 2.0% | +13.7% | |
| 被困版边时间 | 3.40 | 9.20 | -5.80 | |
| 版边压制 | 8.40 | 12.24 | -3.84 | |
| 斗气防御 | 12.0% | 13.4% | -1.4% | |
| 斗气前冲（招架） | 5.7% | 7.1% | -1.4% | |
| 斗气迸放 | 1.20 | 0.27 | +0.93 | |
| 投技 | 1.80 | 2.65 | -0.85 | |
| 惩罚反击命中 | 0.80 | 0.13 | +0.67 | |
| 精准招架 | 0.00 | 0.64 | -0.64 | |
| 斗气招架 | 1.50 | 2.07 | -0.57 | |
| 受到惩罚反击 | 0.50 | 0.09 | +0.41 | |
| 拆投 | 0.10 | 0.46 | -0.36 | |
| 招架时被投 | 0.00 | 0.26 | -0.26 | |
| 斗气反攻 | 0.00 | 0.20 | -0.20 | |
| 受到投技 | 2.30 | 2.13 | +0.17 | |
| 造成昏厥 | 0.00 | 0.09 | -0.09 | |
| 受到昏厥 | 0.00 | 0.04 | -0.04 |
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 1.2 · 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 1.2 · 参考 0.24
- 斗气迸放消耗：档案 15.7% · 参考 1.8%
找出惩罚反击的原因
惩罚反击命中：档案 0.8 · 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
- 惩罚反击命中：档案 0.8 · 参考 0.11
- 受到惩罚反击：档案 0.5 · 参考 0.08
复盘防守决策
斗气反攻：档案 0 · 参考 0.17
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 · 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6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Akuma：62场中获胜29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Akuma：62场中获胜29场
- 对阵Ryu：51场中获胜17场
- 对阵Luke：50场中获胜15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6日 · AI：dots-studio/dots-3-note-preview:free