最近一场对战
A.たまちゃん
排位 MR · A.K.I.
本地 262 · 导入 0 · 图表显示 262 · 已存 273 场对战
| 习惯 | たまちゃん | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA1 | 69.4% | 37.8% | +31.6% | |
| SA2 | 8.3% | 22.0% | -13.7% | |
| SA3 | 17.4% | 30.6% | -13.2% | |
| CA | 5.0% | 9.6% | -4.7% | |
| 版边压制 | 7.60 | 11.29 | -3.69 | |
| 斗气前冲(招架) | 8.3% | 11.0% | -2.7% | |
| 斗气技 | 23.4% | 21.0% | +2.3% | |
| 斗气防御 | 14.7% | 17.0% | -2.3% | |
| 被困版边时间 | 8.40 | 9.83 | -1.43 | |
| 斗气前冲(取消) | 24.6% | 23.3% | +1.3% | |
| 投技 | 1.40 | 2.34 | -0.94 | |
| 受到投技 | 1.60 | 2.30 | -0.70 | |
| 拆投 | 0.10 | 0.52 | -0.42 | |
| 斗气反攻 | 0.80 | 0.40 | +0.40 | |
| 精准招架 | 0.30 | 0.60 | -0.30 | |
| 斗气招架 | 2.20 | 1.93 | +0.27 | |
| 斗气迸放消耗 | 1.5% | 1.8% | -0.2% | |
| 斗气迸放 | 0.20 | 0.24 | -0.04 | |
| 受到昏厥 | 0.00 | 0.04 | -0.04 | |
| 招架时被投 | 0.20 | 0.22 | -0.02 | |
| 造成昏厥 | 0.10 | 0.08 | +0.02 | |
| 惩罚反击命中 | 0.10 | 0.12 | -0.02 | |
| 受到惩罚反击 | 0.10 | 0.11 | -0.01 |
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。
A.K.I. · 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 0.1
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 0.1
- 惩罚反击命中:档案 0.1 · 参考 0.1
追踪位置得失的过程
版边压制:档案 7.8 · 参考 12.18
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 7.8 · 参考 12.18
- 被困版边时间:档案 8.2 · 参考 9.75
复盘防守决策
斗气反攻:档案 0.9 · 参考 0.4
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 0.9 · 参考 0.4
- 精准招架:档案 0.2 · 参考 0.54
- 斗气招架:档案 2 · 参考 1.77
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7日 · AI:nex-agi/nex-n2.5-mini:free
如何应对这位玩家
把对局战绩当作观察线索
对阵Jamie:47场中获胜19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Jamie:47场中获胜19场
- 对阵Alex:32场中获胜20场
- 对阵M. Bison:37场中获胜20场
区分持续倾向与偶发失误
已保存的近期排位赛样本:100场中获胜59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:100场中获胜59场
先试探实际防守反应
斗气反攻:档案 0.9 · 参考 0.4
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 0.9 · 参考 0.4
- 精准招架:档案 0.2 · 参考 0.54
- 斗气招架:档案 2 · 参考 1.77
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7日 · AI:nex-agi/nex-n2.5-mini:free

