最近一场对战
胜利排位赛
KE
ALKE更新于2天前
Steam
JapanC100%
SteamJapanC100%うたひろ
Let's Do This
MR 2,016#994最近 10 场7–3+34最近 20 场11–9+11
胜率
53%
59 胜 · 53 负 · 已存 112 场
排位赛对战
112
已选模式
胜场
59
排位赛
负场
53
排位赛
最高 MR
2,043
Ken
排位 MR · Ken
本地 112 · 导入 0 · 图表显示 112 · 已存 230 场对战
尚未请求回放
KEALKE按差值绝对值从大到小排列23 项习惯
| 习惯 | うたひろ | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA1 | 13.3% | 27.3% | -13.9% | |
| SA3 | 42.2% | 35.8% | +6.4% | |
| SA2 | 31.1% | 25.9% | +5.2% | |
| CA | 13.3% | 11.0% | +2.3% | |
| 斗气前冲（招架） | 8.4% | 6.8% | +1.7% | |
| 斗气技 | 13.6% | 14.9% | -1.3% | |
| 被困版边时间 | 7.70 | 8.95 | -1.25 | |
| 斗气防御 | 11.9% | 12.7% | -0.8% | |
| 斗气迸放消耗 | 2.2% | 1.4% | +0.8% | |
| 版边压制 | 13.80 | 13.12 | +0.68 | |
| 受到投技 | 1.60 | 2.26 | -0.66 | |
| 斗气招架 | 1.30 | 1.89 | -0.59 | |
| 精准招架 | 0.30 | 0.84 | -0.54 | |
| 斗气前冲（取消） | 37.7% | 38.2% | -0.5% | |
| 投技 | 3.00 | 2.57 | +0.43 | |
| 斗气反攻 | 0.40 | 0.23 | +0.17 | |
| 拆投 | 0.30 | 0.44 | -0.14 | |
| 受到惩罚反击 | 0.20 | 0.08 | +0.12 | |
| 斗气迸放 | 0.30 | 0.19 | +0.11 | |
| 惩罚反击命中 | 0.20 | 0.10 | +0.10 | |
| 受到昏厥 | 0.00 | 0.05 | -0.05 | |
| 造成昏厥 | 0.10 | 0.07 | +0.03 | |
| 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。
Ken · 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 0.2 · 参考 0.18
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 0.18
- 斗气迸放消耗：档案 1.7% · 参考 1.3%
复盘防守决策
斗气反攻：档案 0.4 · 参考 0.21
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
- 斗气反攻：档案 0.4 · 参考 0.21
- 斗气招架：档案 1.1 · 参考 1.97
检查近距离选择
投技：档案 3.6 · 参考 2.59
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 3.6 · 参考 2.59
- 受到投技：档案 2.1 · 参考 2.28
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
把对局战绩当作观察线索
对阵M. Bison：95场中获胜37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M. Bison：95场中获胜37场
- 对阵Luke：168场中获胜96场
- 对阵Mai：36场中获胜19场
先试探实际防守反应
斗气招架：档案 1.1 · 参考 1.97
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 1.1 · 参考 1.97
- 精准招架：档案 0.3 · 参考 0.79
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