最近一场对战
胜利排位赛
M.
EDM.更新于4天前
CrossPlatform
Japan俱乐部 · SagaVegaC100%
CrossPlatformJapan俱乐部 · SagaVegaC100%みきてぃ
The Standing Man
MR 1,811#7,907最近 10 场4–6-11最近 20 场11–9+24
胜率
50%
118 胜 · 117 负 · 已存 235 场
排位赛对战
235
已选模式
胜场
118
排位赛
负场
117
排位赛
最高 MR
1,831
M. Bison
排位 MR · M. Bison
本地 235 · 导入 0 · 图表显示 235 · 已存 312 场对战
尚未请求回放
M.EDM.按差值绝对值从大到小排列23 项习惯
| 习惯 | みきてぃ | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA3 | 43.9% | 35.2% | +8.7% | |
| 斗气前冲（取消） | 36.4% | 30.0% | +6.4% | |
| SA1 | 29.8% | 33.7% | -3.8% | |
| SA2 | 17.5% | 21.0% | -3.4% | |
| 斗气技 | 15.4% | 18.7% | -3.4% | |
| 投技 | 4.50 | 2.42 | +2.08 | |
| 斗气防御 | 11.5% | 13.4% | -1.9% | |
| 斗气前冲（招架） | 5.7% | 7.2% | -1.5% | |
| CA | 8.8% | 10.2% | -1.4% | |
| 斗气迸放消耗 | 2.3% | 1.5% | +0.8% | |
| 版边压制 | 12.50 | 11.91 | +0.59 | |
| 精准招架 | 0.20 | 0.74 | -0.54 | |
| 被困版边时间 | 9.50 | 9.85 | -0.35 | |
| 招架时被投 | 0.60 | 0.26 | +0.34 | |
| 斗气反攻 | 0.60 | 0.33 | +0.27 | |
| 拆投 | 0.70 | 0.57 | +0.13 | |
| 受到投技 | 2.70 | 2.59 | +0.11 | |
| 斗气迸放 | 0.30 | 0.19 | +0.11 | |
| 造成昏厥 | 0.00 | 0.07 | -0.07 | |
| 斗气招架 | 1.80 | 1.75 | +0.05 | |
| 受到昏厥 | 0.00 | 0.04 | -0.04 | |
| 惩罚反击命中 | 0.10 | 0.11 | -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。
M. Bison · 最近100场
需要改进的地方
复盘防守决策
精准招架：档案 0.2 · 参考 0.68
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
- 精准招架：档案 0.2 · 参考 0.68
- 斗气招架：档案 1.5 · 参考 1.76
检查近距离选择
拆投：档案 0.6 · 参考 0.47
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
- 拆投：档案 0.6 · 参考 0.47
- 受到投技：档案 2.7 · 参考 2.48
- 投技：档案 3.2 · 参考 2.55
找出惩罚反击的原因
惩罚反击命中：档案 0.1 · 参考 0.09
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 0.09
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5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Luke：160场中获胜87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Luke：160场中获胜87场
- 对阵Cammy：93场中获胜33场
- 对阵Ryu：86场中获胜49场
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47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47场
寻找可重复利用的反击机会
惩罚反击命中：档案 0.1 · 参考 0.09
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 0.1 · 参考 0.09
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5日 · AI：dots-studio/dots-3-note-preview:free