最近一场对战
失败休闲赛
MA
GUMA更新于6天前
CrossPlatform
Brazil俱乐部 · BrasilFGCC100%
CrossPlatformBrazil俱乐部 · BrasilFGCC100%Nichh
You've Got This, Juri!
LP 19,082最近 10 场7–3最近 20 场13–7
胜率
52%
24 胜 · 22 负 · 已存 46 场
排位赛对战
46
已选模式
胜场
24
排位赛
负场
22
排位赛
最高 LP
19,204
Mai
排位 LP · Mai
此角色的 LP 走势
尚未请求回放
MAGUMA按差值绝对值从大到小排列23 项习惯
| 习惯 | Nichh | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气前冲（取消） | 41.7% | 29.4% | +12.4% | |
| SA3 | 8.3% | 18.6% | -10.4% | |
| 斗气防御 | 7.0% | 13.4% | -6.4% | |
| 斗气迸放消耗 | 7.6% | 1.3% | +6.3% | |
| 斗气前冲（招架） | 1.3% | 7.5% | -6.2% | |
| SA2 | 26.3% | 20.2% | +6.1% | |
| 版边压制 | 8.60 | 12.99 | -4.39 | |
| SA1 | 57.1% | 54.6% | +2.6% | |
| 被困版边时间 | 7.30 | 9.32 | -2.02 | |
| 斗气技 | 21.1% | 22.7% | -1.7% | |
| CA | 8.3% | 6.6% | +1.7% | |
| 斗气迸放 | 1.00 | 0.19 | +0.81 | |
| 惩罚反击命中 | 0.70 | 0.10 | +0.60 | |
| 受到惩罚反击 | 0.60 | 0.07 | +0.53 | |
| 斗气招架 | 1.40 | 1.87 | -0.47 | |
| 精准招架 | 0.30 | 0.70 | -0.40 | |
| 拆投 | 0.20 | 0.46 | -0.26 | |
| 投技 | 2.30 | 2.49 | -0.19 | |
| 斗气反攻 | 0.00 | 0.19 | -0.19 | |
| 受到投技 | 2.40 | 2.23 | +0.17 | |
| 招架时被投 | 0.10 | 0.26 | -0.16 | |
| 造成昏厥 | 0.00 | 0.06 | -0.06 | |
| 受到昏厥 | 0.10 | 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。
Mai · 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 0.9 · 参考 0.16
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 0.9 · 参考 0.16
- 斗气迸放消耗：档案 8.2% · 参考 1.2%
找出惩罚反击的原因
惩罚反击命中：档案 0.6 · 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
- 惩罚反击命中：档案 0.6 · 参考 0.11
- 受到惩罚反击：档案 0.6 · 参考 0.08
明确每次量表消耗的目的
斗气前冲（招架）：档案 1.9% · 参考 7.1%
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
- 斗气前冲（招架）：档案 1.9% · 参考 7.1%
- 斗气前冲（取消）：档案 36.8% · 参考 32.3%
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8日 · AI：dots-studio/dots-3-note-preview:free
如何应对这位玩家
验证斗气迸放倾向
斗气迸放：档案 0.9 · 参考 0.16
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 0.9 · 参考 0.16
- 斗气迸放消耗：档案 8.2% · 参考 1.2%
把对局战绩当作观察线索
对阵Char 253：226场中获胜119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 253：226场中获胜119场
- 对阵Juri：34场中获胜27场
- 对阵Yasmine：23场中获胜7场
区分持续倾向与偶发失误
已保存的近期排位赛样本：21场中获胜11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：21场中获胜11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8日 · AI：dots-studio/dots-3-note-preview:free