Lily
更新于4天前CrossPlatformCrossPlatformJapanJapan俱乐部 · AROUND30M100%

コッッコ

OGHunt
段位 36MR 1,500#253,344
最近 10 场3–7-35最近 20 场5–15-78
胜率
50%
51 胜 · 52 负 · 已存 103 场
排位赛对战
103
已选模式
胜场
51
排位赛
负场
52
排位赛
最高 MR
1,500
Lily

排位 MR · Lily

本地 48 · 导入 0 · 图表显示 48 · 已存 120 场对战

此时间范围内的排位 MR 数据不足。

最近一场对战

失败自定义房间

尚未请求回放
Lily
コッッコ · Lily
A.K.I.
对手 · A.K.I.RaGi

打法参考

与前—名Lily玩家的习惯对比

正在加载Lily…

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。

Juri · 最近100场

需要改进的地方

  1. 找出惩罚反击的原因

    受到惩罚反击:档案 0.3 · 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 0.3 · 参考 0.08
    • 惩罚反击命中:档案 0.3 · 参考 0.11
  2. 让斗气迸放有明确目的

    斗气迸放:档案 0.4 · 参考 0.25

    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 0.4 · 参考 0.25
    • 斗气迸放消耗:档案 5.5% · 参考 1.8%
  3. 复盘防守决策

    斗气招架:档案 2.9 · 参考 2.09

    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
    • 斗气招架:档案 2.9 · 参考 2.09
    • 精准招架:档案 0.1 · 参考 0.74
    • 斗气反攻:档案 0.1 · 参考 0.22

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11日 · AI:nex-agi/nex-n2.5-mini:free

如何应对这位玩家

  1. 先试探实际防守反应

    斗气招架:档案 2.9 · 参考 2.09

    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
    • 斗气招架:档案 2.9 · 参考 2.09
    • 精准招架:档案 0.1 · 参考 0.74
    • 斗气反攻:档案 0.1 · 参考 0.22

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11日 · AI:nex-agi/nex-n2.5-mini:free

Marisa · 最近100场

需要改进的地方

  1. 复盘防守决策

    精准招架:档案 0.1 · 参考 0.6

    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
    • 精准招架:档案 0.1 · 参考 0.6
    • 斗气反攻:档案 0.1 · 参考 0.32
  2. 找出惩罚反击的原因

    受到惩罚反击:档案 0.3 · 参考 0.11

    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 0.11
    • 惩罚反击命中:档案 0.3 · 参考 0.12
  3. 追踪位置得失的过程

    版边压制:档案 9.9 · 参考 10.2

    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 9.9 · 参考 10.2
    • 被困版边时间:档案 6.5 · 参考 8.39

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11日 · AI:dots-studio/dots-3-note-preview:free

如何应对这位玩家

  1. 验证斗气迸放倾向

    斗气迸放:档案 0.4 · 参考 0.2

    观察特定场景下是否反复出现斗气迸放。考虑距离、硬直和量表,准备在训练中验证过的应对。

    试试这样做

    再次进入该场景时,采用更少暴露破绽的行动。如果迸放出现,就使用练过的应对;如果没有,就回到常规计划。

    数据依据
    • 斗气迸放:档案 0.4 · 参考 0.2
    • 斗气迸放消耗:档案 5.5% · 参考 1.9%
  2. 先试探实际防守反应

    斗气招架:档案 2.9 · 参考 1.59

    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
    • 斗气招架:档案 2.9 · 参考 1.59
    • 精准招架:档案 0.1 · 参考 0.6
    • 斗气反攻:档案 0.1 · 参考 0.32
  3. 试探近距离模式

    投技:档案 2.8 · 参考 2.13

    观察实际的打击、投技和防守选择。出现倾向后,再改变熟悉攻防中的一个部分。

    试试这样做

    同样的反应连续出现两次后,尝试不同选择。如果对方改变反应,就重新混合选项,不要认定这个模式永远有效。

    数据依据
    • 投技:档案 2.8 · 参考 2.13
    • 拆投:档案 0.2 · 参考 0.52
    • 受到投技:档案 2.3 · 参考 2.3

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11日 · AI:dots-studio/dots-3-note-preview:free

Mai · 最近100场

需要改进的地方

  1. 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 1.8% · 参考 1.2%
  2. 复盘防守决策

    斗气招架:档案 3 · 参考 1.69

    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
    • 斗气招架:档案 3 · 参考 1.69
    • 精准招架:档案 0.1 · 参考 0.67
    • 斗气反攻:档案 0 · 参考 0.15

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:dots-studio/dots-3-note-preview:free

如何应对这位玩家

  1. 把对局战绩当作观察线索

    对阵Char 253:249场中获胜80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Char 253:249场中获胜80场
    • 对阵Akuma:35场中获胜24场
    • 对阵Jamie:23场中获胜11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7日 · AI:dots-studio/dots-3-note-preview:free

隐私设置

允许 YouTube/Twitch 媒体、使用分析和记录保存吗?选择有效期为 180 天,可随时在此撤回。

更多选项与详情

可选功能默认关闭,只有您选择后才会启用。您可以随时在此更改或撤回选择。

您主动使用的功能所需的存储与安全措施仍然可用,包括收藏选手、请求回放和反馈。

选择会在此设备保存 180 天。关闭分析会重新加载页面,以停止已加载的分析脚本。

隐私与存储