最近一场对战
胜利排位赛
JA
AKJA更新于4小时前
Steam
JapanC100%
SteamJapanC100%中華拳法やよい拳
Magma Mixer Murata
MR 1,541#154,500最近 10 场5–50最近 20 场10–10-2
胜率
53%
126 胜 · 111 负 · 已存 237 场
排位赛对战
237
已选模式
胜场
126
排位赛
负场
111
排位赛
最高 MR
1,582
Jamie
排位 MR · Jamie
本地 237 · 导入 0 · 图表显示 237 · 已存 242 场对战
尚未请求回放
JAAKJA按差值绝对值从大到小排列23 项习惯
| 习惯 | 中華拳法やよい拳 | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA1 | 50.6% | 29.0% | +21.5% | |
| SA2 | 3.5% | 21.4% | -17.9% | |
| SA3 | 32.9% | 39.7% | -6.8% | |
| 斗气前冲（取消） | 27.4% | 33.8% | -6.5% | |
| 斗气技 | 19.2% | 23.2% | -4.0% | |
| CA | 12.9% | 9.8% | +3.1% | |
| 版边压制 | 13.70 | 14.89 | -1.19 | |
| 斗气迸放消耗 | 2.4% | 1.4% | +1.0% | |
| 受到投技 | 2.80 | 2.15 | +0.65 | |
| 斗气防御 | 11.6% | 11.0% | +0.6% | |
| 精准招架 | 0.20 | 0.67 | -0.47 | |
| 投技 | 2.00 | 2.40 | -0.40 | |
| 斗气反攻 | 0.60 | 0.26 | +0.34 | |
| 斗气前冲（招架） | 6.1% | 5.7% | +0.3% | |
| 斗气招架 | 2.10 | 1.78 | +0.32 | |
| 被困版边时间 | 8.80 | 8.56 | +0.24 | |
| 受到惩罚反击 | 0.20 | 0.06 | +0.14 | |
| 斗气迸放 | 0.10 | 0.21 | -0.11 | |
| 受到昏厥 | 0.10 | 0.06 | +0.04 | |
| 惩罚反击命中 | 0.10 | 0.07 | +0.03 | |
| 造成昏厥 | 0.10 | 0.08 | +0.02 | |
| 拆投 | 0.40 | 0.40 | 0.00 | |
| 招架时被投 | 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。
Jamie · 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 0.3 · 参考 0.2
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 0.3 · 参考 0.2
- 斗气迸放消耗：档案 3% · 参考 1.5%
复盘防守决策
斗气招架：档案 2.6 · 参考 1.7
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 2.6 · 参考 1.7
- 精准招架：档案 0.1 · 参考 0.6
- 斗气反攻：档案 0.5 · 参考 0.24
比较胜负中的决策
已保存的近期排位赛样本：100场中获胜55场
从已保存的近期样本中选两场胜利与两场失败，找出变化的决策。战绩本身无法解释结果变化的原因。
试试这样做写下接下来五场要测试的一项具体判断。复盘是否执行及发生了什么，不要只用胜负评价练习。
数据依据
- 已保存的近期排位赛样本：100场中获胜55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
如何应对这位玩家
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 3% · 参考 1.5%
先试探实际防守反应
斗气招架：档案 2.6 · 参考 1.7
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 2.6 · 参考 1.7
- 精准招架：档案 0.1 · 参考 0.6
- 斗气反攻：档案 0.5 · 参考 0.24
区分持续倾向与偶发失误
已保存的近期排位赛样本：100场中获胜55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：100场中获胜55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