最近一场对战
失败休闲赛
JU
DEJU更新于4天前
Steam
Japan俱乐部 · SabaToAjiC100%
SteamJapan俱乐部 · SabaToAjiC100%monolith
Kick Back and Relax
MR 1,634#52,076最近 10 场3–3-3最近 20 场3–3-3
胜率
50%
3 胜 · 3 负 · 已存 6 场
排位赛对战
6
已选模式
胜场
3
排位赛
负场
3
排位赛
最高 MR
1,702
Juri
排位 MR · Juri
本地 6 · 导入 0 · 图表显示 6 · 已存 144 场对战
尚未请求回放
JUDEJU按差值绝对值从大到小排列23 项习惯
| 习惯 | monolith | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 0.0% | 19.5% | -19.5% | |
| SA3 | 48.6% | 34.8% | +13.8% | |
| CA | 20.8% | 8.9% | +11.9% | |
| SA1 | 30.6% | 36.7% | -6.2% | |
| 斗气技 | 14.0% | 19.4% | -5.4% | |
| 版边压制 | 9.30 | 12.24 | -2.94 | |
| 斗气防御 | 16.3% | 13.4% | +2.9% | |
| 被困版边时间 | 10.80 | 9.20 | +1.60 | |
| 斗气前冲（取消） | 33.0% | 31.9% | +1.2% | |
| 斗气招架 | 2.90 | 2.07 | +0.83 | |
| 受到投技 | 1.90 | 2.13 | -0.23 | |
| 拆投 | 0.30 | 0.46 | -0.16 | |
| 斗气迸放消耗 | 2.2% | 2.0% | +0.2% | |
| 受到惩罚反击 | 0.00 | 0.09 | -0.09 | |
| 斗气前冲（招架） | 7.1% | 7.1% | -0.1% | |
| 招架时被投 | 0.20 | 0.26 | -0.06 | |
| 投技 | 2.70 | 2.65 | +0.05 | |
| 精准招架 | 0.60 | 0.64 | -0.04 | |
| 受到昏厥 | 0.00 | 0.04 | -0.04 | |
| 斗气迸放 | 0.30 | 0.27 | +0.03 | |
| 惩罚反击命中 | 0.10 | 0.13 | -0.03 | |
| 造成昏厥 | 0.10 | 0.09 | +0.01 | |
| 斗气反攻 | 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。
Juri · 最近100场
需要改进的地方
复盘防守决策
精准招架：档案 0.6 · 参考 0.74
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 0.6 · 参考 0.74
- 斗气招架：档案 2.9 · 参考 2.09
检查近距离选择
拆投：档案 0.3 · 参考 0.43
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
- 拆投：档案 0.3 · 参考 0.43
- 受到投技：档案 1.9 · 参考 2.11
- 投技：档案 2.7 · 参考 2.67
明确每次量表消耗的目的
SA2：档案 0% · 参考 20.4%
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
- SA2：档案 0% · 参考 20.4%
- SA3：档案 48.6% · 参考 33.5%
- CA：档案 20.8% · 参考 9.2%
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9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 253：611场中获胜299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 253：611场中获胜299场
- 对阵Ken：73场中获胜40场
- 对阵Akuma：69场中获胜40场
验证斗气迸放倾向
斗气迸放：档案 0.3 · 参考 0.25
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 0.3 · 参考 0.25
- 斗气迸放消耗：档案 2.2% · 参考 1.8%
保持压力但不过度冒进
版边压制：档案 9.3 · 参考 13.05
寻找用熟悉选择获取空间的机会。把对手逼到角落后，先观察实际脱身方式，再决定如何调整。
试试这样做试一次熟悉的压制。如果同一种脱身反复出现，就练习针对该动作的应对；如果对方变化防守，就不要押注单一判断。
数据依据
- 版边压制：档案 9.3 · 参考 13.05
- 被困版边时间：档案 10.8 · 参考 8.63
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9日 · AI：dots-studio/dots-3-note-preview:free