最近一场对战
失败休闲赛
RA
DERA更新于1周前
CrossPlatform
JapanC100%
CrossPlatformJapanC100%上 司
Master
MR 1,800#10,607胜率
—
0 胜 · 0 负 · 已存 0 场
排位赛对战
0
已选模式
胜场
0
排位赛
负场
0
排位赛
最高 MR
1,800
Rashid
排位 MR · Rashid
本地 0 · 导入 0 · 图表显示 0 · 已存 164 场对战
此时间范围内的排位 MR 数据不足。
尚未请求回放
RADERA按差值绝对值从大到小排列23 项习惯
| 习惯 | 上 司 | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 63.2% | 56.0% | +7.2% | |
| 斗气防御 | 19.1% | 13.0% | +6.1% | |
| SA3 | 11.1% | 16.6% | -5.5% | |
| 斗气前冲（取消） | 27.4% | 32.1% | -4.8% | |
| 版边压制 | 17.60 | 15.02 | +2.58 | |
| 斗气前冲（招架） | 9.9% | 7.4% | +2.4% | |
| 斗气迸放消耗 | 3.6% | 2.0% | +1.7% | |
| CA | 3.4% | 4.7% | -1.3% | |
| 斗气技 | 21.0% | 20.1% | +0.9% | |
| 斗气招架 | 2.50 | 1.77 | +0.73 | |
| SA1 | 22.2% | 22.7% | -0.5% | |
| 精准招架 | 0.30 | 0.61 | -0.31 | |
| 受到投技 | 2.30 | 2.05 | +0.25 | |
| 投技 | 2.40 | 2.64 | -0.24 | |
| 被困版边时间 | 9.30 | 9.52 | -0.22 | |
| 招架时被投 | 0.40 | 0.28 | +0.12 | |
| 斗气反攻 | 0.20 | 0.31 | -0.11 | |
| 造成昏厥 | 0.20 | 0.10 | +0.10 | |
| 受到惩罚反击 | 0.20 | 0.11 | +0.09 | |
| 拆投 | 0.30 | 0.37 | -0.07 | |
| 斗气迸放 | 0.30 | 0.25 | +0.05 | |
| 惩罚反击命中 | 0.10 | 0.13 | -0.03 | |
| 受到昏厥 | 0.10 | 0.08 | +0.02 |
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。
Rashid · 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 0.2 · 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 0.2 · 参考 0.11
- 惩罚反击命中：档案 0.1 · 参考 0.13
追踪位置得失的过程
版边压制：档案 17.6 · 参考 14.49
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 17.6 · 参考 14.49
- 被困版边时间：档案 9.3 · 参考 8.96
明确每次量表消耗的目的
SA3：档案 11.1% · 参考 16.8%
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 11.1% · 参考 16.8%
- SA2：档案 63.2% · 参考 51%
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Char 253：1,946场中获胜989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 253：1,946场中获胜989场
- 对阵Akuma：169场中获胜79场
- 对阵Jamie：140场中获胜74场
验证斗气迸放倾向
斗气迸放：档案 0.3 · 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 0.3 · 参考 0.24
- 斗气迸放消耗：档案 3.6% · 参考 2.1%
先试探实际防守反应
斗气招架：档案 2.5 · 参考 1.66
尝试一次熟悉的压制场景并观察真实反应，再据此变化下一次选择。不要把事件次数当作成功率。
试试这样做在理解的局面中尝试常用的打投选择。只在反应稳定时继续针对；对方开始调整时，就改变节奏或重新拉开。
数据依据
- 斗气招架：档案 2.5 · 参考 1.66
- 精准招架：档案 0.3 · 参考 0.6
- 斗气反攻：档案 0.2 · 参考 0.35
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