最近一场对战
胜利排位赛
YA
MAYA更新于4天前
Steam
JapanC100%
SteamJapanC100%haribotex
Out-mash Their DP by One
MR 1,500#256,019最近 10 场6–4最近 20 场13–7
胜率
50%
55 胜 · 54 负 · 已存 109 场
排位赛对战
109
已选模式
胜场
55
排位赛
负场
54
排位赛
最高 MR
1,500
Yasmine
排位 MR · Yasmine
本地 2 · 导入 0 · 图表显示 2 · 已存 109 场对战
可用
YAMAYA按差值绝对值从大到小排列23 项习惯
| 习惯 | haribotex | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气前冲（取消） | 2.6% | 29.7% | -27.1% | |
| SA2 | 3.4% | 24.2% | -20.8% | |
| SA1 | 44.1% | 30.9% | +13.2% | |
| 斗气防御 | 24.8% | 14.5% | +10.3% | |
| 斗气前冲（招架） | 17.7% | 8.4% | +9.3% | |
| SA3 | 44.1% | 35.7% | +8.4% | |
| 斗气迸放消耗 | 5.6% | 1.4% | +4.2% | |
| 版边压制 | 9.80 | 13.01 | -3.21 | |
| 斗气技 | 15.1% | 17.5% | -2.4% | |
| 被困版边时间 | 10.40 | 9.07 | +1.33 | |
| 斗气招架 | 1.00 | 1.90 | -0.90 | |
| CA | 8.5% | 9.2% | -0.7% | |
| 投技 | 2.10 | 2.52 | -0.42 | |
| 精准招架 | 0.30 | 0.70 | -0.40 | |
| 受到投技 | 2.70 | 2.34 | +0.36 | |
| 斗气迸放 | 0.50 | 0.17 | +0.33 | |
| 拆投 | 0.20 | 0.48 | -0.28 | |
| 受到惩罚反击 | 0.20 | 0.06 | +0.14 | |
| 招架时被投 | 0.10 | 0.23 | -0.13 | |
| 斗气反攻 | 0.10 | 0.23 | -0.13 | |
| 惩罚反击命中 | 0.20 | 0.10 | +0.10 | |
| 受到昏厥 | 0.10 | 0.06 | +0.04 | |
| 造成昏厥 | 0.10 | 0.08 | +0.02 |
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。
Yasmine · 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 0.3 · 参考 0.06
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 0.3 · 参考 0.06
让斗气迸放有明确目的
斗气迸放：档案 0.5 · 参考 0.19
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 0.19
- 斗气迸放消耗：档案 5.4% · 参考 1.4%
复盘防守决策
斗气招架：档案 1.4 · 参考 1.96
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 1.4 · 参考 1.96
- 精准招架：档案 0.3 · 参考 0.74
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
区分持续倾向与偶发失误
已保存的近期排位赛样本：93场中获胜45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：93场中获胜45场
验证斗气迸放倾向
斗气迸放：档案 0.5 · 参考 0.19
观察特定场景下是否反复出现斗气迸放。考虑距离、硬直和量表，准备在训练中验证过的应对。
试试这样做再次进入该场景时，采用更少暴露破绽的行动。如果迸放出现，就使用练过的应对；如果没有，就回到常规计划。
数据依据
- 斗气迸放：档案 0.5 · 参考 0.19
- 斗气迸放消耗：档案 5.4% · 参考 1.4%
先试探实际防守反应
斗气招架：档案 1.4 · 参考 1.96
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 1.4 · 参考 1.96
- 精准招架：档案 0.3 · 参考 0.74
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