最近一场对战
胜利排位赛
CA
CHCA
Steam
JapanM100%もういいケイト！
Out-mash Their DP by One
MR 1,472#369,818最近 10 场4–3+4最近 20 场4–3+4
胜率
57%
4 胜 · 3 负 · 已存 7 场
排位赛对战
7
已选模式
胜场
4
排位赛
负场
3
排位赛
最高 MR
1,482
Cammy
排位 MR · Cammy
本地 7 · 导入 0 · 图表显示 7 · 已存 7 场对战
尚未请求回放
CACHCA按差值绝对值从大到小排列23 项习惯
| 习惯 | もういいケイト！ | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| CA | 24.3% | 8.6% | +15.6% | |
| SA2 | 2.9% | 15.6% | -12.7% | |
| 斗气技 | 24.5% | 15.4% | +9.1% | |
| 斗气防御 | 4.7% | 9.7% | -5.1% | |
| 版边压制 | 8.10 | 12.32 | -4.22 | |
| 斗气前冲（招架） | 1.9% | 4.9% | -3.0% | |
| 被困版边时间 | 6.90 | 9.05 | -2.15 | |
| 斗气前冲（取消） | 38.2% | 40.1% | -1.9% | |
| 投技 | 3.80 | 2.35 | +1.45 | |
| 斗气迸放消耗 | 2.5% | 1.3% | +1.2% | |
| 受到投技 | 1.20 | 2.12 | -0.92 | |
| 斗气反攻 | 0.80 | 0.20 | +0.60 | |
| 斗气招架 | 1.00 | 1.47 | -0.47 | |
| SA3 | 28.6% | 28.1% | +0.4% | |
| 拆投 | 0.00 | 0.37 | -0.37 | |
| 精准招架 | 0.20 | 0.55 | -0.35 | |
| 受到惩罚反击 | 0.30 | 0.06 | +0.24 | |
| 斗气迸放 | 0.30 | 0.15 | +0.15 | |
| 惩罚反击命中 | 0.20 | 0.09 | +0.11 | |
| 造成昏厥 | 0.00 | 0.07 | -0.07 | |
| 招架时被投 | 0.30 | 0.23 | +0.07 | |
| 受到昏厥 | 0.10 | 0.05 | +0.05 | |
| SA1 | 44.3% | 44.3% | -0.0% |
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。
Cammy · 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 0.3 · 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 0.3 · 参考 0.06
让斗气迸放有明确目的
斗气迸放：档案 0.3 · 参考 0.16
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 0.3 · 参考 0.16
- 斗气迸放消耗：档案 2.5% · 参考 1.3%
检查近距离选择
拆投：档案 0 · 参考 0.35
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 · 参考 0.35
- 投技：档案 3.8 · 参考 2.43
- 受到投技：档案 1.2 · 参考 2.13
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Ken：60场中获胜21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Ken：60场中获胜21场
- 对阵Luke：26场中获胜14场
- 对阵Ryu：23场中获胜19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