最近一场对战
胜利排位赛
MA
DEMA更新于12小时前
CrossPlatform
JapanC100%
CrossPlatformJapanC100%_Tommy3_
Throw Fists On Screen, Not Off!
MR 1,567#122,172最近 10 场6–4+12最近 20 场8–12-40
胜率
34%
10 胜 · 19 负 · 已存 29 场
排位赛对战
29
已选模式
胜场
10
排位赛
负场
19
排位赛
最高 MR
1,635
Marisa
排位 MR · Marisa
本地 29 · 导入 104 · 图表显示 108 · 已存 29 场对战
可用
MADEMA按差值绝对值从大到小排列23 项习惯
| 习惯 | _Tommy3_ | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA1 | 28.3% | 41.8% | -13.5% | |
| SA3 | 45.3% | 32.8% | +12.5% | |
| 斗气技 | 28.7% | 19.0% | +9.7% | |
| CA | 17.0% | 7.3% | +9.7% | |
| SA2 | 9.4% | 18.1% | -8.7% | |
| 斗气防御 | 7.8% | 14.5% | -6.7% | |
| 斗气前冲（招架） | 5.2% | 8.9% | -3.8% | |
| 版边压制 | 7.20 | 10.02 | -2.82 | |
| 斗气前冲（取消） | 31.2% | 29.3% | +1.9% | |
| 斗气迸放消耗 | 3.3% | 1.8% | +1.5% | |
| 精准招架 | 0.00 | 0.59 | -0.59 | |
| 斗气招架 | 1.00 | 1.56 | -0.56 | |
| 被困版边时间 | 8.40 | 7.86 | +0.54 | |
| 投技 | 2.20 | 2.03 | +0.17 | |
| 拆投 | 0.70 | 0.54 | +0.16 | |
| 受到投技 | 2.10 | 2.20 | -0.10 | |
| 造成昏厥 | 0.00 | 0.09 | -0.09 | |
| 受到惩罚反击 | 0.20 | 0.11 | +0.09 | |
| 招架时被投 | 0.20 | 0.28 | -0.08 | |
| 受到昏厥 | 0.10 | 0.03 | +0.07 | |
| 斗气反攻 | 0.30 | 0.33 | -0.03 | |
| 惩罚反击命中 | 0.10 | 0.11 | -0.01 | |
| 斗气迸放 | 0.20 | 0.20 | +0.00 |
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。
Marisa · 最近100场
需要改进的地方
复盘防守决策
精准招架：档案 0.1 · 参考 0.6
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 0.1 · 参考 0.6
- 斗气招架：档案 0.9 · 参考 1.59
追踪位置得失的过程
版边压制：档案 7.3 · 参考 10.2
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 7.3 · 参考 10.2
- 被困版边时间：档案 9.8 · 参考 8.39
明确每次量表消耗的目的
SA3：档案 44.2% · 参考 34.5%
看着实际量表回顾五次资源决策，记录换来了什么以及还剩哪些选择。使用占比本身不能衡量效率。
试试这样做练习熟悉连段的资源消耗版本与节省版本，比较结果和剩余量表，再决定各自适用的场景。
数据依据
- SA3：档案 44.2% · 参考 34.5%
- SA1：档案 28.8% · 参考 35.7%
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：41场中获胜18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：41场中获胜18场
- 对阵Terry：22场中获胜13场
寻找可重复利用的反击机会
受到惩罚反击：档案 0.2 · 参考 0.11
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 0.2 · 参考 0.11
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