最近一场对战
胜利休闲赛
RA
ALRA更新于1天前
Steam
Japan俱乐部 · WAYAC100%
SteamJapan俱乐部 · WAYAC100%yama
All Will Be Mine
MR 1,605#81,715最近 10 场4–6最近 20 场7–13
胜率
53%
85 胜 · 75 负 · 已存 160 场
排位赛对战
160
已选模式
胜场
85
排位赛
负场
75
排位赛
最高 MR
1,605
Rashid
排位 MR · Rashid
本地 34 · 导入 48 · 图表显示 48 · 已存 295 场对战
尚未请求回放
RAALRA按差值绝对值从大到小排列23 项习惯
| 习惯 | yama | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气前冲（取消） | 47.1% | 32.1% | +14.9% | |
| 斗气技 | 10.0% | 20.1% | -10.0% | |
| SA1 | 15.5% | 22.7% | -7.2% | |
| CA | 11.3% | 4.7% | +6.7% | |
| SA3 | 20.6% | 16.6% | +4.0% | |
| SA2 | 52.6% | 56.0% | -3.5% | |
| 版边压制 | 13.40 | 15.02 | -1.62 | |
| 斗气迸放消耗 | 3.5% | 2.0% | +1.5% | |
| 斗气防御 | 12.1% | 13.0% | -1.0% | |
| 投技 | 1.80 | 2.64 | -0.84 | |
| 被困版边时间 | 10.10 | 9.52 | +0.58 | |
| 精准招架 | 0.30 | 0.61 | -0.31 | |
| 斗气迸放 | 0.50 | 0.25 | +0.25 | |
| 斗气反攻 | 0.10 | 0.31 | -0.21 | |
| 惩罚反击命中 | 0.30 | 0.13 | +0.17 | |
| 斗气招架 | 1.60 | 1.77 | -0.17 | |
| 拆投 | 0.20 | 0.37 | -0.17 | |
| 受到惩罚反击 | 0.20 | 0.11 | +0.09 | |
| 受到昏厥 | 0.00 | 0.08 | -0.08 | |
| 招架时被投 | 0.20 | 0.28 | -0.08 | |
| 受到投技 | 2.10 | 2.05 | +0.05 | |
| 斗气前冲（招架） | 7.5% | 7.4% | +0.0% | |
| 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。
Rashid · 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 0.5 · 参考 0.24
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 0.5 · 参考 0.24
- 斗气迸放消耗：档案 3.7% · 参考 2.1%
找出惩罚反击的原因
惩罚反击命中：档案 0.4 · 参考 0.13
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 0.4 · 参考 0.13
- 受到惩罚反击：档案 0.2 · 参考 0.11
明确每次量表消耗的目的
SA3：档案 57.4% · 参考 16.8%
看着实际量表回顾五次资源决策，记录换来了什么以及还剩哪些选择。使用占比本身不能衡量效率。
试试这样做练习熟悉连段的资源消耗版本与节省版本，比较结果和剩余量表，再决定各自适用的场景。
数据依据
- SA3：档案 57.4% · 参考 16.8%
- CA：档案 21.3% · 参考 5.1%
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Yasmine：22场中获胜12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Yasmine：22场中获胜12场
- 对阵Ken：11场中获胜6场
- 对阵M. Bison：11场中获胜6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6日 · AI：dots-studio/dots-3-note-preview:free