最近一场对战
失败自定义房间
MA
JP
A.更新于2天前
Steam
Japan俱乐部 · KARESHIBOSHUCHUM89%
SteamJapan俱乐部 · KARESHIBOSHUCHUM89%JohnManjirō
Popularity Isn't Productive
MR 1,801#12,204最近 10 场7–3+28最近 20 场13–7+39
胜率
55%
48 胜 · 39 负 · 已存 87 场
排位赛对战
87
已选模式
胜场
48
排位赛
负场
39
排位赛
最高 MR
1,801
A.K.I.
排位 MR · A.K.I.
本地 87 · 导入 85 · 图表显示 114 · 已存 132 场对战
尚未请求回放
MAJPA.按差值绝对值从大到小排列23 项习惯
| 习惯 | JohnManjirō | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA3 | 19.8% | 30.6% | -10.8% | |
| SA1 | 43.4% | 37.8% | +5.6% | |
| SA2 | 26.4% | 22.0% | +4.4% | |
| 斗气前冲（取消） | 19.0% | 23.3% | -4.3% | |
| 被困版边时间 | 5.90 | 9.83 | -3.93 | |
| 斗气防御 | 19.0% | 17.0% | +2.0% | |
| 斗气迸放消耗 | 3.6% | 1.8% | +1.8% | |
| 斗气前冲（招架） | 9.3% | 11.0% | -1.7% | |
| 斗气招架 | 3.40 | 1.93 | +1.47 | |
| 斗气技 | 20.2% | 21.0% | -0.9% | |
| 版边压制 | 12.10 | 11.29 | +0.81 | |
| CA | 10.4% | 9.6% | +0.8% | |
| 受到投技 | 1.60 | 2.30 | -0.70 | |
| 拆投 | 0.20 | 0.52 | -0.32 | |
| 斗气反攻 | 0.70 | 0.40 | +0.30 | |
| 斗气迸放 | 0.40 | 0.24 | +0.16 | |
| 造成昏厥 | 0.20 | 0.08 | +0.12 | |
| 受到惩罚反击 | 0.20 | 0.11 | +0.09 | |
| 投技 | 2.30 | 2.34 | -0.04 | |
| 受到昏厥 | 0.00 | 0.04 | -0.04 | |
| 招架时被投 | 0.20 | 0.22 | -0.02 | |
| 惩罚反击命中 | 0.10 | 0.12 | -0.02 | |
| 精准招架 | 0.60 | 0.60 | +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。
A.K.I. · 最近100场
需要改进的地方
复盘防守决策
精准招架：档案 0.2 · 参考 0.54
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 0.2 · 参考 0.54
- 拆投：档案 0.2 · 参考 0.53
找出惩罚反击的原因
受到惩罚反击：档案 0.2 · 参考 0.1
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 0.1
- 惩罚反击命中：档案 0.1 · 参考 0.1
让斗气迸放有明确目的
斗气迸放：档案 0.3 · 参考 0.21
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 0.21
- 斗气迸放消耗：档案 3.2% · 参考 1.6%
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
验证斗气迸放倾向
斗气迸放：档案 0.3 · 参考 0.21
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 0.21
- 斗气迸放消耗：档案 3.2% · 参考 1.6%
先试探实际防守反应
斗气反攻：档案 0.7 · 参考 0.4
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
- 斗气反攻：档案 0.7 · 参考 0.4
把对局战绩当作观察线索
对阵Elena：329场中获胜242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Elena：329场中获胜242场
- 对阵Marisa：137场中获胜70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6日 · AI：dots-studio/dots-3-note-preview:free