最近一场对战
失败排位赛
DH
KEDH更新于2天前
CrossPlatform
Japan俱乐部 · SIRICLUBC100%
CrossPlatformJapan俱乐部 · SIRICLUBC100%だんご3兄弟
Teleporting Behind You
MR 1,725#20,903最近 10 场4–6-16最近 20 场8–12-45
胜率
51%
119 胜 · 113 负 · 已存 232 场
排位赛对战
232
已选模式
胜场
119
排位赛
负场
113
排位赛
最高 MR
1,832
Dhalsim
排位 MR · Dhalsim
本地 232 · 导入 0 · 图表显示 232 · 已存 248 场对战
尚未请求回放
DHKEDH按差值绝对值从大到小排列23 项习惯
| 习惯 | だんご3兄弟 | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA1 | 70.7% | 53.6% | +17.1% | |
| 斗气前冲（取消） | 15.8% | 30.7% | -14.9% | |
| SA2 | 4.0% | 15.0% | -11.0% | |
| SA3 | 14.7% | 24.5% | -9.8% | |
| 被困版边时间 | 16.60 | 12.39 | +4.21 | |
| CA | 10.7% | 6.9% | +3.8% | |
| 版边压制 | 4.60 | 7.51 | -2.91 | |
| 斗气前冲（招架） | 8.6% | 7.3% | +1.3% | |
| 斗气防御 | 14.0% | 12.9% | +1.1% | |
| 投技 | 2.60 | 1.81 | +0.79 | |
| 受到投技 | 2.70 | 2.06 | +0.64 | |
| 斗气招架 | 1.10 | 1.69 | -0.59 | |
| 斗气技 | 21.1% | 21.5% | -0.5% | |
| 精准招架 | 0.30 | 0.47 | -0.17 | |
| 斗气反攻 | 0.40 | 0.56 | -0.16 | |
| 招架时被投 | 0.40 | 0.25 | +0.15 | |
| 拆投 | 0.50 | 0.42 | +0.08 | |
| 造成昏厥 | 0.00 | 0.07 | -0.07 | |
| 斗气迸放 | 0.30 | 0.23 | +0.07 | |
| 惩罚反击命中 | 0.20 | 0.14 | +0.06 | |
| 斗气迸放消耗 | 1.6% | 1.7% | -0.0% | |
| 受到昏厥 | 0.00 | 0.05 | -0.05 | |
| 受到惩罚反击 | 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。
Dhalsim · 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 0.4 · 参考 0.23
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 0.4 · 参考 0.23
- 斗气迸放消耗：档案 3.1% · 参考 1.7%
检查近距离选择
投技：档案 2.7 · 参考 1.81
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 2.7 · 参考 1.81
- 受到投技：档案 2.6 · 参考 2.06
- 拆投：档案 0.5 · 参考 0.42
追踪位置得失的过程
版边压制：档案 5 · 参考 7.51
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
- 版边压制：档案 5 · 参考 7.51
- 被困版边时间：档案 12.9 · 参考 12.39
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Ryu：134场中获胜81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Ryu：134场中获胜81场
- 对阵Luke：124场中获胜74场
- 对阵Yasmine：89场中获胜48场
区分持续倾向与偶发失误
已保存的近期排位赛样本：89场中获胜50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：89场中获胜50场
验证斗气迸放倾向
斗气迸放：档案 0.4 · 参考 0.23
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 0.4 · 参考 0.23
- 斗气迸放消耗：档案 3.1% · 参考 1.7%
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