最近一场对战
胜利排位赛
C.
GUC.更新于12小时前
Steam
OtherM99%
SteamOtherM99%Desorte
Anger Management
MR 1,275#609,203最近 10 场5–5+1最近 20 场8–12-30
胜率
45%
118 胜 · 142 负 · 已存 260 场
排位赛对战
260
已选模式
胜场
118
排位赛
负场
142
排位赛
最高 MR
1,500
C. Viper
排位 MR · C. Viper
本地 124 · 导入 52 · 图表显示 124 · 已存 355 场对战
尚未请求回放
C.GUC.按差值绝对值从大到小排列23 项习惯
| 习惯 | Desorte | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA1 | 16.7% | 45.0% | -28.3% | |
| SA3 | 51.9% | 26.8% | +25.1% | |
| 斗气前冲（取消） | 0.0% | 16.4% | -16.4% | |
| CA | 16.7% | 6.8% | +9.9% | |
| 斗气技 | 16.5% | 23.2% | -6.7% | |
| SA2 | 14.8% | 21.5% | -6.6% | |
| 斗气防御 | 19.6% | 14.2% | +5.3% | |
| 版边压制 | 6.30 | 11.07 | -4.77 | |
| 被困版边时间 | 10.60 | 8.66 | +1.94 | |
| 斗气前冲（招架） | 5.7% | 7.3% | -1.6% | |
| 斗气招架 | 2.60 | 1.52 | +1.08 | |
| 受到投技 | 3.10 | 2.19 | +0.91 | |
| 斗气迸放消耗 | 0.9% | 1.8% | -0.9% | |
| 投技 | 1.90 | 2.28 | -0.38 | |
| 精准招架 | 0.30 | 0.63 | -0.33 | |
| 惩罚反击命中 | 0.00 | 0.09 | -0.09 | |
| 造成昏厥 | 0.00 | 0.07 | -0.07 | |
| 斗气迸放 | 0.10 | 0.16 | -0.06 | |
| 拆投 | 0.50 | 0.47 | +0.03 | |
| 受到惩罚反击 | 0.10 | 0.07 | +0.03 | |
| 受到昏厥 | 0.00 | 0.02 | -0.02 | |
| 斗气反攻 | 0.30 | 0.28 | +0.02 | |
| 招架时被投 | 0.20 | 0.21 | -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。
C. Viper · 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 · 参考 0.09
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 · 参考 0.09
- 受到惩罚反击：档案 0.1 · 参考 0.07
让斗气迸放有明确目的
斗气迸放：档案 0.1 · 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 0.1 · 参考 0.16
- 斗气迸放消耗：档案 0.8% · 参考 1.8%
检查近距离选择
投技：档案 1.6 · 参考 2.28
回看五次近距离交锋，区分投技机会、投技尝试和防守选择。仅靠汇总次数无法判断当时的正确答案。
试试这样做在重复场景中记录打击和投技，练习选定的应对，再检查自己能否在实战中有意识地做出判断。
数据依据
- 投技：档案 1.6 · 参考 2.28
- 受到投技：档案 3.1 · 参考 2.19
- 拆投：档案 0.3 · 参考 0.47
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
把对局战绩当作观察线索
对阵Yasmine：90场中获胜45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45场
- 对阵Ryu：72场中获胜35场
- 对阵Luke：61场中获胜28场
区分持续倾向与偶发失误
已保存的近期排位赛样本：52场中获胜26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：52场中获胜26场
保持压力但不过度冒进
版边压制：档案 8.4 · 参考 11.07
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 8.4 · 参考 11.07
- 被困版边时间：档案 9.5 · 参考 8.66
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