最近一场对战
RYyoda415
排位 MR · Ryu
本地 60 · 导入 0 · 图表显示 60 · 已存 102 场对战
| 习惯 | yoda415 | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 4.2% | 20.3% | -16.0% | |
| SA3 | 49.3% | 35.4% | +13.9% | |
| 斗气前冲(取消) | 29.7% | 36.4% | -6.8% | |
| CA | 12.7% | 9.4% | +3.3% | |
| 版边压制 | 8.00 | 10.94 | -2.94 | |
| 被困版边时间 | 10.00 | 8.58 | +1.42 | |
| SA1 | 33.8% | 34.9% | -1.1% | |
| 投技 | 3.10 | 2.20 | +0.90 | |
| 斗气防御 | 11.1% | 11.9% | -0.8% | |
| 斗气技 | 19.4% | 18.9% | +0.6% | |
| 受到投技 | 2.40 | 2.06 | +0.34 | |
| 斗气前冲(招架) | 6.2% | 6.4% | -0.3% | |
| 斗气迸放消耗 | 0.9% | 1.1% | -0.3% | |
| 拆投 | 0.20 | 0.44 | -0.24 | |
| 精准招架 | 0.50 | 0.71 | -0.21 | |
| 斗气招架 | 1.50 | 1.69 | -0.19 | |
| 招架时被投 | 0.40 | 0.21 | +0.19 | |
| 斗气迸放 | 0.10 | 0.16 | -0.06 | |
| 受到昏厥 | 0.10 | 0.05 | +0.05 | |
| 造成昏厥 | 0.00 | 0.05 | -0.05 | |
| 斗气反攻 | 0.20 | 0.15 | +0.05 | |
| 受到惩罚反击 | 0.10 | 0.07 | +0.03 | |
| 惩罚反击命中 | 0.10 | 0.08 | +0.02 |
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。
Ryu · 最近100场
需要改进的地方
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 0.9% · 参考 1.1%
检查近距离选择
投技:档案 3.1 · 参考 2.2
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 3.1 · 参考 2.2
- 受到投技:档案 2.4 · 参考 2.06
比较胜负中的决策
已保存的近期排位赛样本:56场中获胜26场
从已保存的近期样本中选两场胜利与两场失败,找出变化的决策。战绩本身无法解释结果变化的原因。
试试这样做写下接下来五场要测试的一项具体判断。复盘是否执行及发生了什么,不要只用胜负评价练习。
数据依据
- 已保存的近期排位赛样本:56场中获胜26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:nex-agi/nex-n2.5-mini:free
如何应对这位玩家
验证斗气迸放倾向
斗气迸放:档案 0.1 · 参考 0.16
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 0.1 · 参考 0.16
- 斗气迸放消耗:档案 0.9% · 参考 1.1%
试探近距离模式
投技:档案 3.1 · 参考 2.2
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 3.1 · 参考 2.2
- 受到投技:档案 2.4 · 参考 2.06
区分持续倾向与偶发失误
已保存的近期排位赛样本:56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:56场中获胜26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:nex-agi/nex-n2.5-mini:free

