最近一场对战
胜利排位赛
ZA
JU
SA更新于3小时前
CrossPlatform
Japan俱乐部 · KOKUSHIMUSOUC100%
CrossPlatformJapan俱乐部 · KOKUSHIMUSOUC100%Twitch Gin9646
It's coming! My unluck!
MR 1,733#20,115最近 10 场7–3+32最近 20 场12–8+31
胜率
55%
66 胜 · 53 负 · 已存 119 场
排位赛对战
119
已选模式
胜场
66
排位赛
负场
53
排位赛
最高 MR
1,733
Sagat
排位 MR · Sagat
本地 118 · 导入 0 · 图表显示 118 · 已存 119 场对战
尚未请求回放
ZAJUSA按差值绝对值从大到小排列23 项习惯
| 习惯 | Twitch Gin9646 | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA3 | 32.9% | 39.9% | -7.0% | |
| CA | 15.1% | 9.1% | +6.0% | |
| SA1 | 30.1% | 24.6% | +5.5% | |
| 版边压制 | 7.50 | 12.43 | -4.93 | |
| SA2 | 21.9% | 26.4% | -4.5% | |
| 斗气前冲（取消） | 30.5% | 34.0% | -3.6% | |
| 斗气防御 | 16.6% | 14.2% | +2.4% | |
| 斗气迸放消耗 | 2.8% | 1.3% | +1.5% | |
| 斗气招架 | 2.60 | 1.81 | +0.79 | |
| 斗气技 | 15.6% | 16.0% | -0.4% | |
| 投技 | 2.60 | 2.23 | +0.37 | |
| 受到投技 | 2.50 | 2.21 | +0.29 | |
| 斗气前冲（招架） | 8.7% | 8.4% | +0.3% | |
| 被困版边时间 | 8.70 | 8.88 | -0.18 | |
| 拆投 | 0.30 | 0.46 | -0.16 | |
| 斗气迸放 | 0.30 | 0.18 | +0.12 | |
| 受到惩罚反击 | 0.20 | 0.09 | +0.11 | |
| 惩罚反击命中 | 0.20 | 0.11 | +0.09 | |
| 造成昏厥 | 0.00 | 0.08 | -0.08 | |
| 精准招架 | 0.80 | 0.74 | +0.06 | |
| 受到昏厥 | 0.00 | 0.05 | -0.05 | |
| 招架时被投 | 0.30 | 0.25 | +0.05 | |
| 斗气反攻 | 0.20 | 0.24 | -0.04 |
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。
Akuma · 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 0.2 · 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 0.2 · 参考 0.09
- 惩罚反击命中：档案 0.2 · 参考 0.13
让斗气迸放有明确目的
斗气迸放：档案 0.3 · 参考 0.2
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 0.2
- 斗气迸放消耗：档案 2.8% · 参考 1.5%
复盘防守决策
斗气招架：档案 2.6 · 参考 1.65
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 2.6 · 参考 1.65
- 精准招架：档案 0.8 · 参考 0.77
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
验证斗气迸放倾向
斗气迸放：档案 0.3 · 参考 0.2
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 0.3 · 参考 0.2
- 斗气迸放消耗：档案 2.8% · 参考 1.5%
先试探实际防守反应
斗气招架：档案 2.6 · 参考 1.65
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 2.6 · 参考 1.65
- 精准招架：档案 0.8 · 参考 0.77
寻找可重复利用的反击机会
受到惩罚反击：档案 0.2 · 参考 0.09
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
- 受到惩罚反击：档案 0.2 · 参考 0.09
- 惩罚反击命中：档案 0.2 · 参考 0.13
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
Sagat · 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 0.3 · 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
- 斗气迸放消耗：档案 2.8% · 参考 1.3%
找出惩罚反击的原因
受到惩罚反击：档案 0.2 · 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 0.2 · 参考 0.09
- 惩罚反击命中：档案 0.2 · 参考 0.11
追踪位置得失的过程
版边压制：档案 7.5 · 参考 12.43
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 7.5 · 参考 12.43
- 被困版边时间：档案 8.7 · 参考 8.88
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：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Char 253：481场中获胜274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Char 253：481场中获胜274场
- 对阵Yasmine：30场中获胜12场
- 对阵C. Viper：35场中获胜23场
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：dots-studio/dots-3-note-preview:free