最近一场对战
胜利排位赛
LU
INLU更新于2天前
Steam
OtherM100%
SteamOtherM100%keichan
Let's Do This
MR 1,657#43,651最近 10 场6–4+17最近 20 场10–100
胜率
53%
133 胜 · 117 负 · 已存 250 场
排位赛对战
250
已选模式
胜场
133
排位赛
负场
117
排位赛
最高 MR
1,718
Luke
排位 MR · Luke
本地 250 · 导入 0 · 图表显示 250 · 已存 250 场对战
尚未请求回放
LUINLU按差值绝对值从大到小排列23 项习惯
| 习惯 | keichan | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA3 | 50.0% | 34.2% | +15.8% | |
| 斗气技 | 9.6% | 16.7% | -7.1% | |
| SA1 | 24.1% | 30.6% | -6.6% | |
| SA2 | 20.4% | 26.0% | -5.6% | |
| CA | 5.6% | 9.2% | -3.6% | |
| 斗气防御 | 16.7% | 13.2% | +3.5% | |
| 斗气前冲（招架） | 10.1% | 7.6% | +2.5% | |
| 版边压制 | 11.30 | 13.55 | -2.25 | |
| 斗气迸放消耗 | 2.0% | 1.4% | +0.6% | |
| 被困版边时间 | 8.20 | 8.74 | -0.54 | |
| 斗气招架 | 2.20 | 1.80 | +0.40 | |
| 斗气前冲（取消） | 37.7% | 37.3% | +0.4% | |
| 精准招架 | 0.40 | 0.69 | -0.29 | |
| 拆投 | 0.20 | 0.37 | -0.17 | |
| 投技 | 2.60 | 2.43 | +0.17 | |
| 惩罚反击命中 | 0.20 | 0.08 | +0.12 | |
| 斗气反攻 | 0.10 | 0.20 | -0.10 | |
| 受到昏厥 | 0.00 | 0.06 | -0.06 | |
| 受到惩罚反击 | 0.10 | 0.06 | +0.04 | |
| 造成昏厥 | 0.10 | 0.07 | +0.03 | |
| 招架时被投 | 0.20 | 0.22 | -0.02 | |
| 斗气迸放 | 0.20 | 0.19 | +0.01 | |
| 受到投技 | 2.00 | 2.01 | -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。
Luke · 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 0.2 · 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
- 惩罚反击命中：档案 0.2 · 参考 0.08
- 受到惩罚反击：档案 0.1 · 参考 0.06
让斗气迸放有明确目的
斗气迸放：档案 0.2 · 参考 0.19
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 0.2 · 参考 0.19
- 斗气迸放消耗：档案 1.8% · 参考 1.4%
追踪位置得失的过程
版边压制：档案 11.1 · 参考 13.55
回看五次被逼到角落的过程。除了最后的脱身尝试，也要找出更早交出空间的决策，并对照成功压制角落的场景。
试试这样做在训练中重现反复出现的位置，比较常用应对与较少露出破绽的替代选择，再观察下一组对战中进入角落的频率。
数据依据
- 版边压制：档案 11.1 · 参考 13.55
- 被困版边时间：档案 8.9 · 参考 8.74
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
先试探实际防守反应
精准招架：档案 0.4 · 参考 0.69
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 0.4 · 参考 0.69
- 斗气招架：档案 2.3 · 参考 1.8
- 斗气反攻：档案 0.2 · 参考 0.2
验证斗气迸放倾向
斗气迸放：档案 0.2 · 参考 0.19
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 0.19
- 斗气迸放消耗：档案 1.8% · 参考 1.4%
区分持续倾向与偶发失误
已保存的近期排位赛样本：89场中获胜46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：89场中获胜46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