最近一场对战
失败自定义房间
EDEDED更新于1小时前
CrossPlatform
Japan俱乐部 · ITAMAEM92%
CrossPlatformJapan俱乐部 · ITAMAEM92%P_YAMA_K
Ever Improving
MR 1,755#16,667最近 10 场3–7-28最近 20 场8–12-26
胜率
49%
70 胜 · 73 负 · 已存 143 场
排位赛对战
143
已选模式
胜场
70
排位赛
负场
73
排位赛
最高 MR
1,773
Ed
排位 MR · Ed
本地 139 · 导入 0 · 图表显示 139 · 已存 218 场对战
尚未请求回放
EDEDED按差值绝对值从大到小排列23 项习惯
| 习惯 | P_YAMA_K | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA3 | 42.7% | 33.7% | +9.0% | |
| SA2 | 17.3% | 23.2% | -5.8% | |
| SA1 | 30.7% | 33.3% | -2.7% | |
| 版边压制 | 9.30 | 11.75 | -2.45 | |
| 斗气前冲（取消） | 37.0% | 35.3% | +1.7% | |
| 斗气迸放消耗 | 3.1% | 1.7% | +1.4% | |
| 斗气防御 | 11.7% | 12.9% | -1.3% | |
| 斗气技 | 16.9% | 18.1% | -1.1% | |
| 斗气前冲（招架） | 5.9% | 6.8% | -0.9% | |
| 被困版边时间 | 8.20 | 8.93 | -0.73 | |
| CA | 9.3% | 9.8% | -0.5% | |
| 受到投技 | 2.60 | 2.20 | +0.40 | |
| 投技 | 2.20 | 2.53 | -0.33 | |
| 精准招架 | 0.50 | 0.79 | -0.29 | |
| 斗气招架 | 1.70 | 1.92 | -0.22 | |
| 斗气反攻 | 0.10 | 0.22 | -0.12 | |
| 受到惩罚反击 | 0.20 | 0.10 | +0.10 | |
| 斗气迸放 | 0.30 | 0.22 | +0.08 | |
| 造成昏厥 | 0.00 | 0.06 | -0.06 | |
| 受到昏厥 | 0.00 | 0.04 | -0.04 | |
| 惩罚反击命中 | 0.10 | 0.14 | -0.04 | |
| 拆投 | 0.50 | 0.53 | -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。
Ed · 最近100场
需要改进的地方
比较胜负中的决策
已保存的近期排位赛样本：100场中获胜49场
从已保存的近期样本中选两场胜利与两场失败，找出变化的决策。战绩本身无法解释结果变化的原因。
试试这样做写下接下来五场要测试的一项具体判断。复盘是否执行及发生了什么，不要只用胜负评价练习。
数据依据
- 已保存的近期排位赛样本：100场中获胜49场
检查近距离选择
投技：档案 1.4 · 参考 2.6
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 1.4 · 参考 2.6
- 拆投：档案 0.4 · 参考 0.47
- 受到投技：档案 2.4 · 参考 2.18
追踪位置得失的过程
被困版边时间：档案 10.6 · 参考 9.53
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 10.6 · 参考 9.53
- 版边压制：档案 8.4 · 参考 11.8
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12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Luke：101场中获胜64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Luke：101场中获胜64场
- 对阵Yasmine：85场中获胜53场
区分持续倾向与偶发失误
已保存的近期排位赛样本：100场中获胜49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：100场中获胜49场
先试探实际防守反应
拆投：档案 0.4 · 参考 0.47
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
- 拆投：档案 0.4 · 参考 0.47
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12日 · AI：nex-agi/nex-n2.5-mini:free