最近一场对战
胜利自定义房间
KE
AL
YA更新于1周前
Steam
JapanC100%
SteamJapanC100%kjinsan
Let's Do This
LP 23,720最近 10 场1–2最近 20 场1–2
胜率
33%
1 胜 · 2 负 · 已存 3 场
排位赛对战
3
已选模式
胜场
1
排位赛
负场
2
排位赛
最高 LP
23,800
Yasmine
排位 LP · Yasmine
此角色的 LP 走势
尚未请求回放
KEALYA按差值绝对值从大到小排列23 项习惯
| 习惯 | kjinsan | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA3 | 22.0% | 35.7% | -13.7% | |
| SA1 | 43.9% | 30.9% | +13.0% | |
| 斗气技 | 9.3% | 17.5% | -8.2% | |
| SA2 | 28.0% | 24.2% | +3.8% | |
| 被困版边时间 | 12.40 | 9.07 | +3.33 | |
| CA | 6.1% | 9.2% | -3.1% | |
| 版边压制 | 10.40 | 13.01 | -2.61 | |
| 斗气前冲（取消） | 27.7% | 29.7% | -2.0% | |
| 受到投技 | 4.20 | 2.34 | +1.86 | |
| 斗气招架 | 3.10 | 1.90 | +1.20 | |
| 斗气防御 | 15.7% | 14.5% | +1.2% | |
| 斗气前冲（招架） | 7.4% | 8.4% | -1.1% | |
| 投技 | 3.40 | 2.52 | +0.88 | |
| 斗气迸放消耗 | 1.9% | 1.4% | +0.6% | |
| 受到惩罚反击 | 0.40 | 0.06 | +0.34 | |
| 拆投 | 0.80 | 0.48 | +0.32 | |
| 斗气反攻 | 0.00 | 0.23 | -0.23 | |
| 斗气迸放 | 0.40 | 0.17 | +0.23 | |
| 惩罚反击命中 | 0.30 | 0.10 | +0.20 | |
| 精准招架 | 0.50 | 0.70 | -0.20 | |
| 招架时被投 | 0.10 | 0.23 | -0.13 | |
| 造成昏厥 | 0.00 | 0.08 | -0.08 | |
| 受到昏厥 | 0.00 | 0.06 | -0.06 |
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。
Yasmine · 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 0.06
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 0.06
追踪位置得失的过程
版边压制：档案 10.4 · 参考 13.62
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 10.4 · 参考 13.62
- 被困版边时间：档案 12.4 · 参考 9.38
复盘防守决策
斗气反攻：档案 0 · 参考 0.24
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
- 斗气反攻：档案 0 · 参考 0.24
- 拆投：档案 0.8 · 参考 0.49
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
把对局战绩当作观察线索
对阵Char 253：340场中获胜134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Char 253：340场中获胜134场
- 对阵Alex：186场中获胜85场
- 对阵Elena：135场中获胜38场
寻找可重复利用的反击机会
受到惩罚反击：档案 0.4 · 参考 0.06
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
- 受到惩罚反击：档案 0.4 · 参考 0.06
先试探实际防守反应
斗气反攻：档案 0 · 参考 0.24
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
- 斗气反攻：档案 0 · 参考 0.24
- 拆投：档案 0.8 · 参考 0.49
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