最近一场对战
失败排位赛
LU
M.LU更新于1周前
Steam
Japan俱乐部 · RankedMonitorC100%
SteamJapan俱乐部 · RankedMonitorC100%fairness0204_PC
3 Years With Street Fighter 6
MR 1,500#243,084最近 10 场7–3+1最近 20 场14–5+1
胜率
74%
14 胜 · 5 负 · 已存 19 场
排位赛对战
19
已选模式
胜场
14
排位赛
负场
5
排位赛
最高 MR
1,500
Luke
排位 MR · Luke
本地 6 · 导入 0 · 图表显示 6 · 已存 83 场对战
尚未请求回放
LUM.LU按差值绝对值从大到小排列23 项习惯
| 习惯 | fairness0204_PC | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气前冲（取消） | 21.6% | 37.0% | -15.4% | |
| SA2 | 17.1% | 26.9% | -9.7% | |
| CA | 17.1% | 9.4% | +7.7% | |
| 版边压制 | 9.60 | 13.81 | -4.21 | |
| 斗气防御 | 16.9% | 13.7% | +3.2% | |
| 被困版边时间 | 11.40 | 8.85 | +2.55 | |
| 受到投技 | 4.40 | 2.11 | +2.29 | |
| 斗气前冲（招架） | 10.0% | 7.7% | +2.2% | |
| 斗气技 | 14.6% | 16.3% | -1.8% | |
| SA1 | 31.4% | 30.0% | +1.4% | |
| 拆投 | 1.50 | 0.46 | +1.04 | |
| 投技 | 1.50 | 2.35 | -0.85 | |
| 斗气迸放消耗 | 2.1% | 1.4% | +0.7% | |
| 斗气招架 | 2.50 | 1.87 | +0.63 | |
| SA3 | 34.3% | 33.7% | +0.6% | |
| 招架时被投 | 0.10 | 0.21 | -0.11 | |
| 斗气迸放 | 0.30 | 0.20 | +0.10 | |
| 惩罚反击命中 | 0.20 | 0.10 | +0.10 | |
| 斗气反攻 | 0.30 | 0.22 | +0.08 | |
| 受到昏厥 | 0.10 | 0.07 | +0.03 | |
| 精准招架 | 0.80 | 0.77 | +0.03 | |
| 造成昏厥 | 0.10 | 0.08 | +0.02 | |
| 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。
Luke · 最近100场
需要改进的地方
让斗气迸放有明确目的
斗气迸放：档案 0.3 · 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 0.3 · 参考 0.19
- 斗气迸放消耗：档案 2.1% · 参考 1.4%
检查近距离选择
投技：档案 1.5 · 参考 2.43
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 1.5 · 参考 2.43
- 拆投：档案 1.5 · 参考 0.37
- 受到投技：档案 4.4 · 参考 2.01
追踪位置得失的过程
版边压制：档案 9.6 · 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 9.6 · 参考 13.55
- 被困版边时间：档案 11.4 · 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7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Yasmine：100场中获胜29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Yasmine：100场中获胜29场
- 对阵Char 253：419场中获胜177场
试探近距离模式
投技：档案 1.5 · 参考 2.43
观察实际的打击、投技和防守选择。出现倾向后，再改变熟悉攻防中的一个部分。
试试这样做同样的反应连续出现两次后，尝试不同选择。如果对方改变反应，就重新混合选项，不要认定这个模式永远有效。
数据依据
- 投技：档案 1.5 · 参考 2.43
- 拆投：档案 1.5 · 参考 0.37
- 受到投技：档案 4.4 · 参考 2.01
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7日 · AI：dots-studio/dots-3-note-preview:free