最近一场对战
失败排位赛
JAJAJA更新于5天前
Steam
JapanC100%
SteamJapanC100%ゆきぼー
Let's Do This
MR 1,709#23,328最近 10 场5–5-6最近 20 场13–7+45
胜率
52%
45 胜 · 41 负 · 已存 86 场
排位赛对战
86
已选模式
胜场
45
排位赛
负场
41
排位赛
最高 MR
1,793
Jamie
排位 MR · Jamie
本地 86 · 导入 0 · 图表显示 86 · 已存 86 场对战
尚未请求回放
JAJAJA按差值绝对值从大到小排列23 项习惯
| 习惯 | ゆきぼー | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA1 | 51.6% | 29.0% | +22.6% | |
| SA3 | 25.8% | 39.7% | -13.9% | |
| CA | 3.2% | 9.8% | -6.6% | |
| 斗气前冲（取消） | 30.0% | 33.8% | -3.8% | |
| SA2 | 19.4% | 21.4% | -2.0% | |
| 斗气前冲（招架） | 7.7% | 5.7% | +1.9% | |
| 版边压制 | 16.40 | 14.89 | +1.51 | |
| 斗气防御 | 12.3% | 11.0% | +1.3% | |
| 被困版边时间 | 9.60 | 8.56 | +1.04 | |
| 斗气迸放消耗 | 0.8% | 1.4% | -0.5% | |
| 精准招架 | 0.20 | 0.67 | -0.47 | |
| 受到投技 | 2.50 | 2.15 | +0.35 | |
| 斗气反攻 | 0.10 | 0.26 | -0.16 | |
| 斗气招架 | 1.90 | 1.78 | +0.12 | |
| 投技 | 2.50 | 2.40 | +0.10 | |
| 造成昏厥 | 0.00 | 0.08 | -0.08 | |
| 受到惩罚反击 | 0.10 | 0.06 | +0.04 | |
| 受到昏厥 | 0.10 | 0.06 | +0.04 | |
| 惩罚反击命中 | 0.10 | 0.07 | +0.03 | |
| 斗气技 | 23.3% | 23.2% | +0.0% | |
| 斗气迸放 | 0.20 | 0.21 | -0.01 | |
| 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
找出惩罚反击的原因
惩罚反击命中：档案 0.1 · 参考 0.07
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 0.1 · 参考 0.07
- 受到惩罚反击：档案 0.1 · 参考 0.08
明确每次量表消耗的目的
SA3：档案 27.8% · 参考 38.6%
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
- SA3：档案 27.8% · 参考 38.6%
- SA1：档案 40.3% · 参考 30%
检查近距离选择
投技：档案 3.1 · 参考 2.38
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
- 投技：档案 3.1 · 参考 2.38
- 受到投技：档案 2.4 · 参考 1.97
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
验证斗气迸放倾向
斗气迸放：档案 0.2 · 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 0.2 · 参考 0.2
- 斗气迸放消耗：档案 1.1% · 参考 1.5%
先试探实际防守反应
精准招架：档案 0.2 · 参考 0.6
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
- 精准招架：档案 0.2 · 参考 0.6
- 斗气招架：档案 1.8 · 参考 1.7
把对局战绩当作观察线索
对阵Juri：63场中获胜27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Juri：63场中获胜27场
- 对阵Akuma：53场中获胜24场
- 对阵Ken：50场中获胜30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