最近一场对战
胜利排位赛
C.
EDC.更新于2天前
Steam
JapanM100%
SteamJapanM100%Kuro
Anger Management
MR 1,662#42,805最近 10 场7–3+30最近 20 场10–10+1
胜率
56%
40 胜 · 32 负 · 已存 72 场
排位赛对战
72
已选模式
胜场
40
排位赛
负场
32
排位赛
最高 MR
1,678
C. Viper
排位 MR · C. Viper
本地 72 · 导入 111 · 图表显示 111 · 已存 72 场对战
尚未请求回放
C.EDC.按差值绝对值从大到小排列23 项习惯
| 习惯 | Kuro | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA1 | 16.7% | 40.4% | -23.7% | |
| CA | 25.9% | 7.7% | +18.2% | |
| 斗气前冲（取消） | 0.0% | 18.1% | -18.1% | |
| SA3 | 44.4% | 29.7% | +14.8% | |
| SA2 | 13.0% | 22.2% | -9.3% | |
| 斗气技 | 27.6% | 22.2% | +5.4% | |
| 斗气防御 | 11.2% | 14.7% | -3.5% | |
| 版边压制 | 8.20 | 10.80 | -2.60 | |
| 被困版边时间 | 10.60 | 8.60 | +2.00 | |
| 斗气前冲（招架） | 5.9% | 7.3% | -1.3% | |
| 斗气招架 | 1.10 | 1.55 | -0.45 | |
| 精准招架 | 0.30 | 0.71 | -0.41 | |
| 投技 | 2.70 | 2.29 | +0.41 | |
| 拆投 | 0.10 | 0.49 | -0.39 | |
| 斗气迸放消耗 | 1.9% | 1.7% | +0.3% | |
| 斗气反攻 | 0.50 | 0.24 | +0.26 | |
| 受到投技 | 2.40 | 2.20 | +0.20 | |
| 惩罚反击命中 | 0.00 | 0.10 | -0.10 | |
| 斗气迸放 | 0.10 | 0.17 | -0.07 | |
| 造成昏厥 | 0.00 | 0.07 | -0.07 | |
| 受到昏厥 | 0.00 | 0.03 | -0.03 | |
| 受到惩罚反击 | 0.10 | 0.08 | +0.02 | |
| 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。
C. Viper · 最近100场
需要改进的地方
复盘防守决策
斗气招架：档案 0.8 · 参考 1.52
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 0.8 · 参考 1.52
- 精准招架：档案 0.2 · 参考 0.63
找出惩罚反击的原因
受到惩罚反击：档案 0.1 · 参考 0.07
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 0.1 · 参考 0.07
- 惩罚反击命中：档案 0 · 参考 0.09
追踪位置得失的过程
被困版边时间：档案 10.8 · 参考 8.66
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 10.8 · 参考 8.66
- 版边压制：档案 7.9 · 参考 11.07
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9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Yasmine：12场中获胜5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：12场中获胜5场
- 对阵JP：11场中获胜5场
- 对阵Akuma：11场中获胜4场
区分持续倾向与偶发失误
已保存的近期排位赛样本：32场中获胜18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：32场中获胜18场
先试探实际防守反应
斗气反攻：档案 0.5 · 参考 0.28
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
- 斗气反攻：档案 0.5 · 参考 0.28
- 斗气招架：档案 0.8 · 参考 1.52
- 精准招架：档案 0.2 · 参考 0.63
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9日 · AI：nex-agi/nex-n2.5-mini:free