最近一场对战
胜利排位赛
A.
RYA.更新于19小时前
Steam
ChinaC100%
SteamChinaC100%给我尝一口
No Touching
最近 10 场6–4最近 20 场12–8
胜率
70%
26 胜 · 11 负 · 已存 37 场
排位赛对战
37
已选模式
胜场
26
排位赛
负场
11
排位赛
最高 LP
13,145
A.K.I.
排位 LP · A.K.I.
此角色的 LP 走势
可用
A.RYA.按差值绝对值从大到小排列23 项习惯
| 习惯 | 给我尝一口 | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气技 | 48.6% | 21.9% | +26.7% | |
| 斗气前冲（取消） | 11.8% | 23.3% | -11.4% | |
| SA2 | 11.1% | 21.6% | -10.5% | |
| CA | 18.1% | 8.7% | +9.3% | |
| 斗气防御 | 9.2% | 16.3% | -7.1% | |
| 版边压制 | 7.10 | 11.64 | -4.54 | |
| 斗气前冲（招架） | 6.1% | 10.3% | -4.2% | |
| 斗气迸放消耗 | 5.5% | 1.8% | +3.7% | |
| 被困版边时间 | 6.10 | 9.56 | -3.46 | |
| 投技 | 0.80 | 2.33 | -1.53 | |
| SA1 | 40.3% | 39.0% | +1.3% | |
| 斗气招架 | 0.60 | 1.85 | -1.25 | |
| 拆投 | 0.00 | 0.56 | -0.56 | |
| 受到投技 | 1.90 | 2.33 | -0.43 | |
| 精准招架 | 0.20 | 0.57 | -0.37 | |
| 受到惩罚反击 | 0.40 | 0.09 | +0.31 | |
| 斗气迸放 | 0.50 | 0.22 | +0.28 | |
| 斗气反攻 | 0.20 | 0.40 | -0.20 | |
| 招架时被投 | 0.10 | 0.30 | -0.20 | |
| 惩罚反击命中 | 0.30 | 0.10 | +0.20 | |
| SA3 | 30.6% | 30.7% | -0.1% | |
| 造成昏厥 | 0.00 | 0.08 | -0.08 | |
| 受到昏厥 | 0.00 | 0.05 | -0.05 |
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。
A.K.I. · 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 0.11
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 0.11
- 惩罚反击命中：档案 0.3 · 参考 0.12
让斗气迸放有明确目的
斗气迸放：档案 0.5 · 参考 0.24
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 0.5 · 参考 0.24
检查近距离选择
投技：档案 0.8 · 参考 2.34
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 0.8 · 参考 2.34
- 拆投：档案 0 · 参考 0.52
- 受到投技：档案 1.9 · 参考 2.3
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15日 · AI：nex-agi/nex-n2.5-mini:free
如何应对这位玩家
把对局战绩当作观察线索
对阵Char 253：47场中获胜35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 253：47场中获胜35场
区分持续倾向与偶发失误
已保存的近期排位赛样本：37场中获胜26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：37场中获胜26场
验证斗气迸放倾向
斗气迸放：档案 0.5 · 参考 0.24
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 0.5 · 参考 0.24
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15日 · AI：nex-agi/nex-n2.5-mini:free