最近一场对战
胜利排位赛
A.
KEA.更新于5天前
CrossPlatform
South KoreaC100%
CrossPlatformSouth KoreaC100%アキ、弱すぎるよ・・・
You've Got This, Juri!
MR 2,000#1,194最近 10 场8–2+50最近 20 场15–5+80
胜率
50%
120 胜 · 118 负 · 已存 238 场
排位赛对战
238
已选模式
胜场
120
排位赛
负场
118
排位赛
最高 MR
2,000
A.K.I.
排位 MR · A.K.I.
本地 238 · 导入 0 · 图表显示 238 · 已存 307 场对战
尚未请求回放
A.KEA.按差值绝对值从大到小排列23 项习惯
| 习惯 | アキ、弱すぎるよ・・・ | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 16.7% | 22.0% | -5.3% | |
| CA | 13.9% | 9.6% | +4.3% | |
| SA1 | 39.8% | 37.8% | +2.0% | |
| 斗气技 | 22.8% | 21.0% | +1.7% | |
| 斗气防御 | 15.5% | 17.0% | -1.5% | |
| 版边压制 | 10.10 | 11.29 | -1.19 | |
| 斗气前冲（取消） | 24.5% | 23.3% | +1.2% | |
| SA3 | 29.6% | 30.6% | -1.0% | |
| 斗气迸放消耗 | 0.8% | 1.8% | -0.9% | |
| 投技 | 1.60 | 2.34 | -0.74 | |
| 斗气前冲（招架） | 10.4% | 11.0% | -0.6% | |
| 被困版边时间 | 10.10 | 9.83 | +0.27 | |
| 招架时被投 | 0.00 | 0.22 | -0.22 | |
| 斗气反攻 | 0.20 | 0.40 | -0.20 | |
| 精准招架 | 0.70 | 0.60 | +0.10 | |
| 受到投技 | 2.40 | 2.30 | +0.10 | |
| 造成昏厥 | 0.00 | 0.08 | -0.08 | |
| 拆投 | 0.60 | 0.52 | +0.08 | |
| 受到昏厥 | 0.10 | 0.04 | +0.06 | |
| 斗气迸放 | 0.20 | 0.24 | -0.04 | |
| 斗气招架 | 1.90 | 1.93 | -0.03 | |
| 惩罚反击命中 | 0.10 | 0.12 | -0.02 | |
| 受到惩罚反击 | 0.10 | 0.11 | -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。
A.K.I. · 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 0.1
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
- 惩罚反击命中：档案 0 · 参考 0.1
- 受到惩罚反击：档案 0.1 · 参考 0.1
让斗气迸放有明确目的
斗气迸放：档案 0.2 · 参考 0.21
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 0.21
- 斗气迸放消耗：档案 0.8% · 参考 1.6%
复盘防守决策
斗气招架：档案 1.5 · 参考 1.77
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 1.5 · 参考 1.77
- 精准招架：档案 0.6 · 参考 0.54
- 斗气反攻：档案 0.3 · 参考 0.4
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6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Char 253：2,268场中获胜1,186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 253：2,268场中获胜1,186场
- 对阵Luke：215场中获胜105场
- 对阵Yasmine：148场中获胜81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61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61场
试探近距离模式
投技：档案 1.6 · 参考 2.31
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 1.6 · 参考 2.31
- 拆投：档案 0.6 · 参考 0.53
- 受到投技：档案 2.4 · 参考 2.33
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6日 · AI：dots-studio/dots-3-note-preview:free