最近一场对战
失败排位赛
EL
CHEL更新于29分钟前
CrossPlatform
JapanC100%
CrossPlatformJapanC100%koukun
NEW GENERATION
MR 1,207#624,840最近 10 场5–5-8最近 20 场10–10-10
胜率
53%
50 胜 · 45 负 · 已存 95 场
排位赛对战
95
已选模式
胜场
50
排位赛
负场
45
排位赛
最高 MR
1,268
Elena
排位 MR · Elena
本地 95 · 导入 0 · 图表显示 95 · 已存 155 场对战
尚未请求回放
ELCHEL按差值绝对值从大到小排列23 项习惯
| 习惯 | koukun | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA1 | 8.1% | 31.4% | -23.3% | |
| SA3 | 48.6% | 32.8% | +15.9% | |
| 斗气前冲（取消） | 16.6% | 31.0% | -14.4% | |
| CA | 18.9% | 9.5% | +9.4% | |
| 斗气技 | 24.6% | 18.1% | +6.5% | |
| 版边压制 | 8.10 | 13.06 | -4.96 | |
| 斗气防御 | 9.4% | 13.8% | -4.5% | |
| 斗气前冲（招架） | 4.7% | 7.5% | -2.7% | |
| 被困版边时间 | 7.10 | 9.26 | -2.16 | |
| SA2 | 24.3% | 26.3% | -2.0% | |
| 斗气迸放消耗 | 2.3% | 1.2% | +1.1% | |
| 投技 | 2.90 | 2.14 | +0.76 | |
| 斗气招架 | 1.20 | 1.85 | -0.65 | |
| 精准招架 | 0.20 | 0.80 | -0.60 | |
| 拆投 | 0.20 | 0.54 | -0.34 | |
| 斗气反攻 | 0.50 | 0.22 | +0.28 | |
| 受到投技 | 2.50 | 2.24 | +0.26 | |
| 斗气迸放 | 0.30 | 0.15 | +0.15 | |
| 惩罚反击命中 | 0.20 | 0.08 | +0.12 | |
| 造成昏厥 | 0.00 | 0.06 | -0.06 | |
| 受到昏厥 | 0.00 | 0.04 | -0.04 | |
| 受到惩罚反击 | 0.10 | 0.07 | +0.03 | |
| 招架时被投 | 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。
Elena · 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 0.3 · 参考 0.07
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 0.3 · 参考 0.07
追踪位置得失的过程
版边压制：档案 6.6 · 参考 13.58
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 6.6 · 参考 13.58
- 被困版边时间：档案 10.4 · 参考 8.42
明确每次量表消耗的目的
SA1：档案 6.5% · 参考 30.5%
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
- SA1：档案 6.5% · 参考 30.5%
- SA2：档案 35.5% · 参考 25.9%
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
把对局战绩当作观察线索
对阵Akuma：94场中获胜38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Akuma：94场中获胜38场
- 对阵Ryu：89场中获胜43场
- 对阵Luke：64场中获胜23场
寻找可重复利用的反击机会
受到惩罚反击：档案 0.3 · 参考 0.07
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 0.3 · 参考 0.07
先试探实际防守反应
斗气反攻：档案 0.4 · 参考 0.2
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 0.4 · 参考 0.2
- 斗气招架：档案 1.2 · 参考 1.81
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