最近一场对战
胜利排位赛
YA
RYYA更新于1天前
Steam
Japan俱乐部 · UnitedByFateC100%
SteamJapan俱乐部 · UnitedByFateC100%まてこの
GG
MR 1,690#36,486最近 10 场5–5+3最近 20 场13–7+50
胜率
49%
60 胜 · 63 负 · 已存 123 场
排位赛对战
123
已选模式
胜场
60
排位赛
负场
63
排位赛
最高 MR
1,708
Yasmine
排位 MR · Yasmine
本地 123 · 导入 39 · 图表显示 138 · 已存 172 场对战
尚未请求回放
YARYYA按差值绝对值从大到小排列23 项习惯
| 习惯 | まてこの | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气前冲（取消） | 17.7% | 29.7% | -12.0% | |
| SA2 | 14.1% | 24.2% | -10.1% | |
| SA3 | 43.7% | 35.7% | +8.0% | |
| 斗气防御 | 21.6% | 14.5% | +7.1% | |
| 斗气前冲（招架） | 15.1% | 8.4% | +6.7% | |
| SA1 | 35.2% | 30.9% | +4.3% | |
| 斗气技 | 14.8% | 17.5% | -2.7% | |
| CA | 7.0% | 9.2% | -2.2% | |
| 被困版边时间 | 10.90 | 9.07 | +1.83 | |
| 版边压制 | 14.80 | 13.01 | +1.79 | |
| 斗气迸放消耗 | 2.5% | 1.4% | +1.1% | |
| 投技 | 3.60 | 2.52 | +1.08 | |
| 受到投技 | 2.60 | 2.34 | +0.26 | |
| 精准招架 | 0.50 | 0.70 | -0.20 | |
| 招架时被投 | 0.10 | 0.23 | -0.13 | |
| 斗气反攻 | 0.10 | 0.23 | -0.13 | |
| 斗气招架 | 1.80 | 1.90 | -0.10 | |
| 造成昏厥 | 0.00 | 0.08 | -0.08 | |
| 受到昏厥 | 0.00 | 0.06 | -0.06 | |
| 受到惩罚反击 | 0.10 | 0.06 | +0.04 | |
| 斗气迸放 | 0.20 | 0.17 | +0.03 | |
| 拆投 | 0.50 | 0.48 | +0.02 | |
| 惩罚反击命中 | 0.10 | 0.10 | -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。
Yasmine · 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 0.1 · 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 0.1 · 参考 0.19
- 斗气迸放消耗：档案 1.9% · 参考 1.4%
找出惩罚反击的原因
受到惩罚反击：档案 0 · 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 · 参考 0.06
- 惩罚反击命中：档案 0.1 · 参考 0.09
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Luke：129场中获胜71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Luke：129场中获胜71场
- 对阵Ryu：120场中获胜52场
区分持续倾向与偶发失误
已保存的近期排位赛样本：100场中获胜45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：100场中获胜45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