最近一场对战
胜利排位赛
SASASA更新于7小时前
Steam
Japan俱乐部 · SF6LifeC100%
SteamJapan俱乐部 · SF6LifeC100%ファビュラス丸山
Angel Devil Kingdom
MR 1,507#231,003最近 10 场6–4+18最近 20 场9–11-17
胜率
43%
10 胜 · 13 负 · 已存 23 场
排位赛对战
23
已选模式
胜场
10
排位赛
负场
13
排位赛
最高 MR
1,540
Sagat
排位 MR · Sagat
本地 23 · 导入 0 · 图表显示 23 · 已存 23 场对战
尚未请求回放
SASASA按差值绝对值从大到小排列23 项习惯
| 习惯 | ファビュラス丸山 | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA3 | 65.5% | 39.9% | +25.5% | |
| SA1 | 9.1% | 24.6% | -15.5% | |
| SA2 | 12.7% | 26.4% | -13.7% | |
| 斗气前冲（取消） | 45.2% | 34.0% | +11.2% | |
| 斗气技 | 7.6% | 16.0% | -8.4% | |
| 斗气防御 | 8.9% | 14.2% | -5.3% | |
| CA | 12.7% | 9.1% | +3.6% | |
| 被困版边时间 | 6.40 | 8.88 | -2.48 | |
| 斗气迸放消耗 | 3.2% | 1.3% | +1.8% | |
| 斗气前冲（招架） | 6.7% | 8.4% | -1.7% | |
| 版边压制 | 10.90 | 12.43 | -1.53 | |
| 斗气招架 | 0.70 | 1.81 | -1.11 | |
| 精准招架 | 0.20 | 0.74 | -0.54 | |
| 投技 | 1.90 | 2.23 | -0.33 | |
| 拆投 | 0.20 | 0.46 | -0.26 | |
| 受到投技 | 2.00 | 2.21 | -0.21 | |
| 受到惩罚反击 | 0.30 | 0.09 | +0.21 | |
| 斗气反攻 | 0.10 | 0.24 | -0.14 | |
| 斗气迸放 | 0.30 | 0.18 | +0.12 | |
| 惩罚反击命中 | 0.20 | 0.11 | +0.09 | |
| 造成昏厥 | 0.00 | 0.08 | -0.08 | |
| 受到昏厥 | 0.00 | 0.05 | -0.05 | |
| 招架时被投 | 0.30 | 0.25 | +0.05 |
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。
Sagat · 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 0.09
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 0.09
让斗气迸放有明确目的
斗气迸放：档案 0.3 · 参考 0.18
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 0.3 · 参考 0.18
复盘防守决策
斗气招架：档案 0.7 · 参考 1.81
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 0.7 · 参考 1.81
- 精准招架：档案 0.2 · 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14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Ryu：60场中获胜26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：60场中获胜26场
- 对阵Luke：51场中获胜21场
- 对阵Akuma：34场中获胜18场
先试探实际防守反应
斗气招架：档案 0.7 · 参考 1.81
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 0.7 · 参考 1.81
- 精准招架：档案 0.2 · 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14日 · AI：nex-agi/nex-n2.5-mini:free