最近一场对战
胜利排位赛
LU
MALU更新于2小时前
Steam
JapanM100%
SteamJapanM100%Xina
Without Equal
MR 1,708#26,155最近 10 场8–2+44最近 20 场15–5+76
胜率
56%
62 胜 · 49 负 · 已存 111 场
排位赛对战
111
已选模式
胜场
62
排位赛
负场
49
排位赛
最高 MR
1,708
Luke
排位 MR · Luke
本地 111 · 导入 67 · 图表显示 175 · 已存 111 场对战
尚未请求回放
LUMALU按差值绝对值从大到小排列23 项习惯
| 习惯 | Xina | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| CA | 18.9% | 9.2% | +9.7% | |
| SA1 | 24.5% | 30.6% | -6.1% | |
| 斗气前冲（取消） | 33.2% | 37.3% | -4.1% | |
| 斗气前冲（招架） | 10.7% | 7.6% | +3.0% | |
| 斗气防御 | 15.7% | 13.2% | +2.5% | |
| SA3 | 32.1% | 34.2% | -2.1% | |
| SA2 | 24.5% | 26.0% | -1.5% | |
| 版边压制 | 14.50 | 13.55 | +0.95 | |
| 斗气技 | 17.5% | 16.7% | +0.8% | |
| 斗气迸放消耗 | 1.9% | 1.4% | +0.5% | |
| 精准招架 | 0.30 | 0.69 | -0.39 | |
| 被困版边时间 | 8.90 | 8.74 | +0.16 | |
| 惩罚反击命中 | 0.20 | 0.08 | +0.12 | |
| 斗气反攻 | 0.10 | 0.20 | -0.10 | |
| 斗气招架 | 1.90 | 1.80 | +0.10 | |
| 受到投技 | 2.10 | 2.01 | +0.09 | |
| 受到昏厥 | 0.10 | 0.06 | +0.04 | |
| 受到惩罚反击 | 0.10 | 0.06 | +0.04 | |
| 投技 | 2.40 | 2.43 | -0.03 | |
| 拆投 | 0.40 | 0.37 | +0.03 | |
| 造成昏厥 | 0.10 | 0.07 | +0.03 | |
| 招架时被投 | 0.20 | 0.22 | -0.02 | |
| 斗气迸放 | 0.20 | 0.19 | +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。
Luke · 最近100场
需要改进的地方
复盘防守决策
精准招架：档案 0.3 · 参考 0.69
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
- 精准招架：档案 0.3 · 参考 0.69
- 斗气反攻：档案 0.1 · 参考 0.2
让斗气迸放有明确目的
斗气迸放：档案 0.2 · 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 0.2 · 参考 0.19
- 斗气迸放消耗：档案 1.9% · 参考 1.4%
检查近距离选择
投技：档案 2.4 · 参考 2.43
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 2.4 · 参考 2.43
- 受到投技：档案 2.1 · 参考 2.01
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13日 · AI：dots-studio/dots-3-note-preview:free
如何应对这位玩家
寻找可重复利用的反击机会
惩罚反击命中：档案 0.2 · 参考 0.08
把统计作为观察线索。寻找你已验证在该距离能反击的动作，不要仅凭观感认定它有破绽。
试试这样做该动作出现时，尝试已确认的反击。如果对方不再使用，就恢复平常的距离控制，不必强行寻找机会。
数据依据
- 惩罚反击命中：档案 0.2 · 参考 0.08
- 受到惩罚反击：档案 0.1 · 参考 0.06
验证斗气迸放倾向
斗气迸放：档案 0.2 · 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 0.2 · 参考 0.19
- 斗气迸放消耗：档案 1.9% · 参考 1.4%
先试探实际防守反应
精准招架：档案 0.3 · 参考 0.69
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
- 精准招架：档案 0.3 · 参考 0.69
- 斗气反攻：档案 0.1 · 参考 0.2
- 拆投：档案 0.4 · 参考 0.37
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13日 · AI：dots-studio/dots-3-note-preview:free