最近一场对战
失败排位赛
LU
M.LU更新于8小时前
Steam
JapanC100%
SteamJapanC100%rente
Oni Protector
MR 1,607#76,058最近 10 场2–8-46最近 20 场9–11-15
胜率
47%
146 胜 · 161 负 · 已存 308 场
排位赛对战
308
已选模式
胜场
146
排位赛
负场
161
排位赛
最高 MR
1,699
Luke
排位 MR · Luke
本地 308 · 导入 1351 · 图表显示 1456 · 已存 308 场对战
尚未请求回放
LUM.LU按差值绝对值从大到小排列23 项习惯
| 习惯 | rente | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA3 | 26.2% | 34.2% | -8.0% | |
| SA1 | 35.7% | 30.6% | +5.1% | |
| 被困版边时间 | 12.40 | 8.74 | +3.66 | |
| CA | 11.9% | 9.2% | +2.7% | |
| 斗气技 | 14.4% | 16.7% | -2.3% | |
| 版边压制 | 12.30 | 13.55 | -1.25 | |
| 斗气前冲（取消） | 36.3% | 37.3% | -1.0% | |
| 斗气迸放消耗 | 2.3% | 1.4% | +0.9% | |
| 斗气防御 | 12.4% | 13.2% | -0.8% | |
| 投技 | 3.10 | 2.43 | +0.67 | |
| 斗气招架 | 1.40 | 1.80 | -0.40 | |
| 受到投技 | 2.40 | 2.01 | +0.39 | |
| 斗气前冲（招架） | 7.8% | 7.6% | +0.2% | |
| 斗气反攻 | 0.00 | 0.20 | -0.20 | |
| SA2 | 26.2% | 26.0% | +0.2% | |
| 受到惩罚反击 | 0.20 | 0.06 | +0.14 | |
| 惩罚反击命中 | 0.20 | 0.08 | +0.12 | |
| 造成昏厥 | 0.00 | 0.07 | -0.07 | |
| 受到昏厥 | 0.10 | 0.06 | +0.04 | |
| 拆投 | 0.40 | 0.37 | +0.03 | |
| 招架时被投 | 0.20 | 0.22 | -0.02 | |
| 精准招架 | 0.70 | 0.69 | +0.01 | |
| 斗气迸放 | 0.20 | 0.19 | +0.01 |
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。
Luke · 最近100场
需要改进的地方
找出惩罚反击的原因
惩罚反击命中：档案 0.2 · 参考 0.08
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
- 惩罚反击命中：档案 0.2 · 参考 0.08
追踪位置得失的过程
版边压制：档案 12.1 · 参考 14.11
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 12.1 · 参考 14.11
- 被困版边时间：档案 11.4 · 参考 8.66
检查近距离选择
投技：档案 3.8 · 参考 2.57
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 3.8 · 参考 2.57
- 受到投技：档案 2.7 · 参考 2.04
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5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：347场中获胜208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：347场中获胜208场
- 对阵Alex：103场中获胜55场
- 对阵Ryu：187场中获胜97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5日 · AI：dots-studio/dots-3-note-preview:free