最近一场对战
失败排位赛
C.
RY
IN更新于4天前
Steam
JapanM100%
SteamJapanM100%にゃーん
Now Streaming!
LP 5,473最近 10 场4–6最近 20 场9–11
胜率
36%
18 胜 · 32 负 · 已存 50 场
排位赛对战
50
已选模式
胜场
18
排位赛
负场
32
排位赛
最高 LP
5,760
Ingrid
排位 LP · Ingrid
此角色的 LP 走势
尚未请求回放
C.RYIN按差值绝对值从大到小排列23 项习惯
| 习惯 | にゃーん | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气前冲（取消） | 0.4% | 25.1% | -24.8% | |
| 斗气技 | 49.9% | 27.3% | +22.6% | |
| SA1 | 10.9% | 26.9% | -16.0% | |
| CA | 15.2% | 5.1% | +10.1% | |
| 版边压制 | 3.90 | 11.52 | -7.62 | |
| 被困版边时间 | 5.60 | 10.40 | -4.80 | |
| SA3 | 19.6% | 15.9% | +3.7% | |
| SA2 | 54.3% | 52.1% | +2.2% | |
| 受到投技 | 3.70 | 2.18 | +1.52 | |
| 投技 | 0.80 | 2.26 | -1.46 | |
| 斗气招架 | 0.20 | 1.54 | -1.34 | |
| 斗气前冲（招架） | 8.7% | 7.4% | +1.3% | |
| 斗气迸放消耗 | 0.8% | 2.0% | -1.2% | |
| 斗气防御 | 11.8% | 12.3% | -0.6% | |
| 精准招架 | 0.00 | 0.50 | -0.50 | |
| 斗气反攻 | 0.00 | 0.31 | -0.31 | |
| 受到惩罚反击 | 0.40 | 0.09 | +0.31 | |
| 拆投 | 0.10 | 0.36 | -0.26 | |
| 招架时被投 | 0.10 | 0.29 | -0.19 | |
| 斗气迸放 | 0.10 | 0.24 | -0.14 | |
| 惩罚反击命中 | 0.00 | 0.13 | -0.13 | |
| 造成昏厥 | 0.00 | 0.12 | -0.12 | |
| 受到昏厥 | 0.00 | 0.07 | -0.07 |
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。
Ingrid · 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 0.4 · 参考 0.08
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 0.4 · 参考 0.08
- 惩罚反击命中：档案 0 · 参考 0.13
检查近距离选择
投技：档案 0.9 · 参考 2.31
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 0.9 · 参考 2.31
- 拆投：档案 0.2 · 参考 0.41
- 受到投技：档案 3.4 · 参考 2.13
让斗气迸放有明确目的
斗气迸放：档案 0.1 · 参考 0.27
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 0.27
- 斗气迸放消耗：档案 1.1% · 参考 2.1%
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
区分持续倾向与偶发失误
已保存的近期排位赛样本：45场中获胜16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：45场中获胜16场
把对局战绩当作观察线索
对阵Ingrid：37场中获胜3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Ingrid：37场中获胜3场
- 对阵Char 253：416场中获胜154场
先试探实际防守反应
斗气招架：档案 0.2 · 参考 1.51
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 0.2 · 参考 1.51
- 精准招架：档案 0 · 参考 0.5
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