最近一场对战
失败自定义房间
AL
TEAL更新于15小时前
CrossPlatform
JapanC100%
CrossPlatformJapanC100%ボロ雑巾クサ男
Tonight@midnight=die
最近 10 场8–2最近 20 场15–5
胜率
69%
35 胜 · 16 负 · 已存 51 场
排位赛对战
51
已选模式
胜场
35
排位赛
负场
16
排位赛
最高 LP
19,032
Alex
排位 LP · Alex
此角色的 LP 走势
尚未请求回放
ALTEAL按差值绝对值从大到小排列23 项习惯
| 习惯 | ボロ雑巾クサ男 | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气前冲（取消） | 13.9% | 33.2% | -19.2% | |
| SA3 | 31.4% | 25.2% | +6.3% | |
| 斗气技 | 19.1% | 13.2% | +5.8% | |
| 版边压制 | 4.40 | 10.07 | -5.67 | |
| SA1 | 34.3% | 38.9% | -4.6% | |
| SA2 | 24.3% | 27.6% | -3.3% | |
| 斗气前冲（招架） | 5.0% | 8.2% | -3.2% | |
| 斗气防御 | 11.0% | 14.0% | -3.1% | |
| 斗气迸放消耗 | 3.9% | 2.0% | +1.8% | |
| CA | 10.0% | 8.3% | +1.7% | |
| 被困版边时间 | 11.00 | 9.50 | +1.50 | |
| 投技 | 1.60 | 2.24 | -0.64 | |
| 精准招架 | 0.20 | 0.64 | -0.44 | |
| 斗气招架 | 1.20 | 1.62 | -0.42 | |
| 拆投 | 0.10 | 0.51 | -0.41 | |
| 斗气反攻 | 0.80 | 0.43 | +0.37 | |
| 受到惩罚反击 | 0.40 | 0.11 | +0.29 | |
| 受到投技 | 2.40 | 2.18 | +0.22 | |
| 斗气迸放 | 0.40 | 0.23 | +0.17 | |
| 招架时被投 | 0.10 | 0.27 | -0.17 | |
| 惩罚反击命中 | 0.20 | 0.14 | +0.06 | |
| 受到昏厥 | 0.00 | 0.04 | -0.04 | |
| 造成昏厥 | 0.10 | 0.10 | +0.00 |
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。
Alex · 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 0.4 · 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 0.4 · 参考 0.11
- 惩罚反击命中：档案 0.2 · 参考 0.14
复盘防守决策
受到投技：档案 2.4 · 参考 2.18
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
- 受到投技：档案 2.4 · 参考 2.18
- 拆投：档案 0.1 · 参考 0.51
追踪位置得失的过程
被困版边时间：档案 11 · 参考 9.5
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
- 被困版边时间：档案 11 · 参考 9.5
- 版边压制：档案 4.4 · 参考 10.07
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16日 · AI：nex-agi/nex-n2.5-mini:free
如何应对这位玩家
把对局战绩当作观察线索
对阵Char 253：202场中获胜93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 253：202场中获胜93场
- 对阵Luke：95场中获胜37场
- 对阵Terry：31场中获胜10场
区分持续倾向与偶发失误
已保存的近期排位赛样本：51场中获胜35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：51场中获胜35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16日 · AI：nex-agi/nex-n2.5-mini:free