最近一场对战
YAApheOtp
排位 MR · Yasmine
本地 177 · 导入 0 · 图表显示 177 · 已存 404 场对战
| 习惯 | ApheOtp | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 31.3% | 21.0% | +10.3% | |
| SA1 | 23.4% | 32.1% | -8.6% | |
| 斗气技 | 11.6% | 19.0% | -7.5% | |
| SA3 | 29.7% | 36.9% | -7.2% | |
| CA | 15.6% | 10.0% | +5.6% | |
| 版边压制 | 8.10 | 13.62 | -5.52 | |
| 斗气前冲(取消) | 32.4% | 29.6% | +2.8% | |
| 斗气前冲(招架) | 5.9% | 8.2% | -2.3% | |
| 斗气防御 | 13.2% | 14.5% | -1.3% | |
| 受到投技 | 3.40 | 2.31 | +1.09 | |
| 被困版边时间 | 10.40 | 9.38 | +1.02 | |
| 斗气迸放消耗 | 1.8% | 1.4% | +0.4% | |
| 斗气反攻 | 0.00 | 0.24 | -0.24 | |
| 斗气招架 | 2.20 | 1.96 | +0.24 | |
| 斗气迸放 | 0.40 | 0.19 | +0.21 | |
| 惩罚反击命中 | 0.30 | 0.09 | +0.21 | |
| 拆投 | 0.30 | 0.49 | -0.19 | |
| 投技 | 2.50 | 2.59 | -0.09 | |
| 受到昏厥 | 0.00 | 0.06 | -0.06 | |
| 造成昏厥 | 0.00 | 0.06 | -0.06 | |
| 精准招架 | 0.70 | 0.74 | -0.04 | |
| 受到惩罚反击 | 0.10 | 0.06 | +0.04 | |
| 招架时被投 | 0.20 | 0.21 | -0.01 |
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。
Ed · 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 0.76
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 0.76
- 斗气招架:档案 1.3 · 参考 1.77
追踪位置得失的过程
被困版边时间:档案 11.6 · 参考 9.53
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
- 被困版边时间:档案 11.6 · 参考 9.53
- 版边压制:档案 8.2 · 参考 11.8
明确每次量表消耗的目的
SA3:档案 47.8% · 参考 30%
看着实际量表回顾五次资源决策,记录换来了什么以及还剩哪些选择。使用占比本身不能衡量效率。
试试这样做练习熟悉连段的资源消耗版本与节省版本,比较结果和剩余量表,再决定各自适用的场景。
数据依据
- SA3:档案 47.8% · 参考 30%
- SA1:档案 20.9% · 参考 33.1%
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7日 · AI:dots-studio/dots-3-note-preview:free
如何应对这位玩家
先试探实际防守反应
斗气反攻:档案 0 · 参考 0.2
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 · 参考 0.2
- 受到投技:档案 3.5 · 参考 2.18
保持压力但不过度冒进
被困版边时间:档案 11.6 · 参考 9.53
寻找用熟悉选择获取空间的机会。把对手逼到角落后,先观察实际脱身方式,再决定如何调整。
试试这样做试一次熟悉的压制。如果同一种脱身反复出现,就练习针对该动作的应对;如果对方变化防守,就不要押注单一判断。
数据依据
- 被困版边时间:档案 11.6 · 参考 9.53
- 版边压制:档案 8.2 · 参考 11.8
区分持续倾向与偶发失误
已保存的近期排位赛样本:79场中获胜38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:79场中获胜38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7日 · AI:dots-studio/dots-3-note-preview:free

