最近一场对战
胜利排位赛
IN
KEIN更新于2天前
Steam
Japan俱乐部 · selfprotectC100%
SteamJapan俱乐部 · selfprotectC100%Karuhito
Thou Hast Witnessed the Power
MR 1,456#433,500最近 10 场9–1+66最近 20 场15–5+83
胜率
58%
65 胜 · 48 负 · 已存 113 场
排位赛对战
113
已选模式
胜场
65
排位赛
负场
48
排位赛
最高 MR
1,505
Ingrid
排位 MR · Ingrid
本地 113 · 导入 0 · 图表显示 113 · 已存 113 场对战
尚未请求回放
INKEIN按差值绝对值从大到小排列23 项习惯
| 习惯 | Karuhito | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 0.0% | 57.0% | -57.0% | |
| SA3 | 70.6% | 15.0% | +55.6% | |
| 斗气前冲（取消） | 0.2% | 25.3% | -25.2% | |
| CA | 29.4% | 4.6% | +24.8% | |
| SA1 | 0.0% | 23.4% | -23.4% | |
| 斗气技 | 44.1% | 27.5% | +16.5% | |
| 斗气迸放消耗 | 11.7% | 2.1% | +9.6% | |
| 斗气防御 | 5.4% | 12.2% | -6.8% | |
| 版边压制 | 6.70 | 11.85 | -5.15 | |
| 斗气前冲（招架） | 4.0% | 7.4% | -3.4% | |
| 被困版边时间 | 8.50 | 10.23 | -1.73 | |
| 斗气招架 | 0.40 | 1.51 | -1.11 | |
| 受到惩罚反击 | 0.60 | 0.08 | +0.52 | |
| 拆投 | 0.00 | 0.41 | -0.41 | |
| 精准招架 | 0.10 | 0.50 | -0.40 | |
| 斗气反攻 | 0.00 | 0.30 | -0.30 | |
| 招架时被投 | 0.00 | 0.28 | -0.28 | |
| 斗气迸放 | 0.50 | 0.27 | +0.23 | |
| 投技 | 2.10 | 2.31 | -0.21 | |
| 惩罚反击命中 | 0.30 | 0.13 | +0.17 | |
| 造成昏厥 | 0.00 | 0.14 | -0.14 | |
| 受到投技 | 2.20 | 2.13 | +0.07 | |
| 受到昏厥 | 0.10 | 0.06 | +0.04 |
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。
Ingrid · 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 0.5 · 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
- 受到惩罚反击：档案 0.5 · 参考 0.08
让斗气迸放有明确目的
斗气迸放：档案 0.4 · 参考 0.27
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 0.4 · 参考 0.27
明确每次量表消耗的目的
斗气技：档案 49.8% · 参考 27.5%
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
- 斗气技：档案 49.8% · 参考 27.5%
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4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 253：633场中获胜308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 253：633场中获胜308场
区分持续倾向与偶发失误
已保存的近期排位赛样本：69场中获胜41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：69场中获胜41场
寻找可重复利用的反击机会
受到惩罚反击：档案 0.5 · 参考 0.08
把统计作为观察线索。寻找你已验证在该距离能反击的动作，不要仅凭观感认定它有破绽。
试试这样做该动作出现时，尝试已确认的反击。如果对方不再使用，就恢复平常的距离控制，不必强行寻找机会。
数据依据
- 受到惩罚反击：档案 0.5 · 参考 0.08
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4日 · AI：dots-studio/dots-3-note-preview:free