最近一场对战
胜利排位赛
A.A.
IN更新于1周前
Steam
CanadaC100%
SteamCanadaC100%6percent
The World Warrior
MR 1,464#388,951最近 10 场3–7-30最近 20 场9–11-23
胜率
43%
10 胜 · 13 负 · 已存 23 场
排位赛对战
23
已选模式
胜场
10
排位赛
负场
13
排位赛
最高 MR
1,520
Ingrid
排位 MR · Ingrid
本地 23 · 导入 0 · 图表显示 23 · 已存 23 场对战
尚未请求回放
A.A.IN按差值绝对值从大到小排列23 项习惯
| 习惯 | 6percent | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 14.8% | 52.1% | -37.3% | |
| CA | 22.2% | 5.1% | +17.1% | |
| SA1 | 37.0% | 26.9% | +10.1% | |
| SA3 | 25.9% | 15.9% | +10.0% | |
| 斗气防御 | 7.8% | 12.3% | -4.6% | |
| 斗气前冲（招架） | 3.2% | 7.4% | -4.2% | |
| 版边压制 | 7.70 | 11.52 | -3.82 | |
| 斗气技 | 23.7% | 27.3% | -3.7% | |
| 被困版边时间 | 13.50 | 10.40 | +3.10 | |
| 斗气迸放消耗 | 3.1% | 2.0% | +1.1% | |
| 斗气前冲（取消） | 25.5% | 25.1% | +0.4% | |
| 投技 | 1.90 | 2.26 | -0.36 | |
| 斗气招架 | 1.30 | 1.54 | -0.24 | |
| 招架时被投 | 0.10 | 0.29 | -0.19 | |
| 惩罚反击命中 | 0.30 | 0.13 | +0.17 | |
| 拆投 | 0.50 | 0.36 | +0.14 | |
| 受到投技 | 2.30 | 2.18 | +0.12 | |
| 受到惩罚反击 | 0.20 | 0.09 | +0.11 | |
| 精准招架 | 0.40 | 0.50 | -0.10 | |
| 斗气反攻 | 0.40 | 0.31 | +0.09 | |
| 受到昏厥 | 0.00 | 0.07 | -0.07 | |
| 斗气迸放 | 0.30 | 0.24 | +0.06 | |
| 造成昏厥 | 0.10 | 0.12 | -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。
Ingrid · 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 0.3 · 参考 0.13
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 0.3 · 参考 0.13
- 受到惩罚反击：档案 0.2 · 参考 0.08
让斗气迸放有明确目的
斗气迸放：档案 0.3 · 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 0.3 · 参考 0.27
- 斗气迸放消耗：档案 3.1% · 参考 2.1%
复盘防守决策
斗气反攻：档案 0.4 · 参考 0.3
比较五个防守场景：对手做了什么、你选了什么、结果如何。招架或拆投次数少，并不直接说明防守有弱点。
试试这样做从一个棘手场景记录两种不同选择，练习辨别和应对，再检查下一组对战中的判断是否改善。
数据依据
- 斗气反攻：档案 0.4 · 参考 0.3
- 斗气招架：档案 1.3 · 参考 1.51
- 精准招架：档案 0.4 · 参考 0.5
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Yasmine：90场中获胜56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：90场中获胜56场
- 对阵Ryu：64场中获胜38场
- 对阵Akuma：52场中获胜26场
寻找可重复利用的反击机会
受到惩罚反击：档案 0.2 · 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 0.2 · 参考 0.08
保持压力但不过度冒进
版边压制：档案 7.7 · 参考 11.85
寻找用熟悉选择获取空间的机会。把对手逼到角落后，先观察实际脱身方式，再决定如何调整。
试试这样做试一次熟悉的压制。如果同一种脱身反复出现，就练习针对该动作的应对；如果对方变化防守，就不要押注单一判断。
数据依据
- 版边压制：档案 7.7 · 参考 11.85
- 被困版边时间：档案 13.5 · 参考 10.23
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