最近一场对战
失败排位赛
AL
AK
MA更新于1周前
Steam
Japan俱乐部 · KongoJungleC100%
SteamJapan俱乐部 · KongoJungleC100%nomura
Return to the Fujiwara Capital
MR 1,517#187,037最近 10 场5–5+2最近 20 场14–6+69
胜率
56%
39 胜 · 31 负 · 已存 70 场
排位赛对战
70
已选模式
胜场
39
排位赛
负场
31
排位赛
最高 MR
1,539
Mai
排位 MR · Mai
本地 67 · 导入 0 · 图表显示 67 · 已存 159 场对战
尚未请求回放
ALAKMA按差值绝对值从大到小排列23 项习惯
| 习惯 | nomura | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气技 | 8.2% | 22.7% | -14.6% | |
| 版边压制 | 6.60 | 12.99 | -6.39 | |
| 斗气前冲（取消） | 34.7% | 29.4% | +5.3% | |
| 斗气前冲（招架） | 4.0% | 7.5% | -3.5% | |
| SA2 | 17.2% | 20.2% | -3.0% | |
| 斗气防御 | 10.9% | 13.4% | -2.5% | |
| SA1 | 57.0% | 54.6% | +2.4% | |
| SA3 | 20.4% | 18.6% | +1.8% | |
| CA | 5.4% | 6.6% | -1.2% | |
| 斗气迸放消耗 | 2.3% | 1.3% | +0.9% | |
| 投技 | 1.70 | 2.49 | -0.79 | |
| 被困版边时间 | 8.60 | 9.32 | -0.72 | |
| 斗气反攻 | 0.70 | 0.19 | +0.51 | |
| 斗气招架 | 2.30 | 1.87 | +0.43 | |
| 精准招架 | 0.40 | 0.70 | -0.30 | |
| 受到投技 | 2.40 | 2.23 | +0.17 | |
| 招架时被投 | 0.10 | 0.26 | -0.16 | |
| 拆投 | 0.60 | 0.46 | +0.14 | |
| 受到惩罚反击 | 0.20 | 0.07 | +0.13 | |
| 惩罚反击命中 | 0.20 | 0.10 | +0.10 | |
| 受到昏厥 | 0.10 | 0.05 | +0.05 | |
| 造成昏厥 | 0.10 | 0.06 | +0.04 | |
| 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。
Mai · 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 0.08
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 0.2 · 参考 0.08
追踪位置得失的过程
版边压制：档案 8.3 · 参考 13.38
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 8.3 · 参考 13.38
- 被困版边时间：档案 10.2 · 参考 8.39
让斗气迸放有明确目的
斗气迸放：档案 0.2 · 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 0.2 · 参考 0.16
- 斗气迸放消耗：档案 1.7% · 参考 1.2%
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
先试探实际防守反应
斗气反攻：档案 0.5 · 参考 0.15
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
- 斗气反攻：档案 0.5 · 参考 0.15
保持压力但不过度冒进
版边压制：档案 8.3 · 参考 13.38
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 8.3 · 参考 13.38
- 被困版边时间：档案 10.2 · 参考 8.39
把对局战绩当作观察线索
对阵Luke：23场中获胜9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Luke：23场中获胜9场
- 对阵Alex：21场中获胜14场
- 对阵Akuma：19场中获胜9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