最近一场对战
失败排位赛
SA
IN
YA更新于10小时前
Steam
JapanC100%
SteamJapanC100%haru
Let's Do This
LP 22,126最近 10 场4–6最近 20 场11–9
胜率
54%
20 胜 · 17 负 · 已存 37 场
排位赛对战
37
已选模式
胜场
20
排位赛
负场
17
排位赛
最高 LP
22,126
Yasmine
排位 LP · Yasmine
此角色的 LP 走势
此时间范围内的排位 LP 数据不足。
尚未请求回放
SAINYA按差值绝对值从大到小排列23 项习惯
| 习惯 | haru | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| CA | 25.9% | 9.2% | +16.7% | |
| 斗气前冲（取消） | 43.4% | 29.7% | +13.7% | |
| SA2 | 11.1% | 24.2% | -13.1% | |
| SA1 | 22.2% | 30.9% | -8.7% | |
| 斗气技 | 9.1% | 17.5% | -8.4% | |
| 版边压制 | 7.50 | 13.01 | -5.51 | |
| SA3 | 40.7% | 35.7% | +5.1% | |
| 斗气前冲（招架） | 5.8% | 8.4% | -2.6% | |
| 斗气防御 | 16.7% | 14.5% | +2.2% | |
| 被困版边时间 | 7.00 | 9.07 | -2.07 | |
| 斗气招架 | 2.90 | 1.90 | +1.00 | |
| 投技 | 2.10 | 2.52 | -0.42 | |
| 斗气反攻 | 0.00 | 0.23 | -0.23 | |
| 受到投技 | 2.20 | 2.34 | -0.14 | |
| 斗气迸放消耗 | 1.5% | 1.4% | +0.1% | |
| 精准招架 | 0.80 | 0.70 | +0.10 | |
| 造成昏厥 | 0.00 | 0.08 | -0.08 | |
| 受到昏厥 | 0.00 | 0.06 | -0.06 | |
| 受到惩罚反击 | 0.10 | 0.06 | +0.04 | |
| 招架时被投 | 0.20 | 0.23 | -0.03 | |
| 斗气迸放 | 0.20 | 0.17 | +0.03 | |
| 拆投 | 0.50 | 0.48 | +0.02 | |
| 惩罚反击命中 | 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。
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 0.1 · 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 0.1 · 参考 0.09
- 惩罚反击命中：档案 0.1 · 参考 0.11
让斗气迸放有明确目的
斗气迸放：档案 0.2 · 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 0.2 · 参考 0.18
- 斗气迸放消耗：档案 1.5% · 参考 1.3%
复盘防守决策
斗气招架：档案 2.9 · 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 2.9 · 参考 1.81
- 精准招架：档案 0.8 · 参考 0.74
- 斗气反攻：档案 0 · 参考 0.24
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16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
斗气招架：档案 2.9 · 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 2.9 · 参考 1.81
- 精准招架：档案 0.8 · 参考 0.74
保持压力但不过度冒进
版边压制：档案 7.5 · 参考 12.43
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
- 版边压制：档案 7.5 · 参考 12.43
- 被困版边时间：档案 7 · 参考 8.88
根据当前量表调整
CA：档案 25.9% · 参考 9.1%
对战时关注实际斗气和超必杀量表。档案中的消耗倾向只是待验证的线索，不能预测燃尽或保证反击机会。
试试这样做对方大幅消耗后，接近前先重新评估双方可用选择。如果其资源决策与统计不同，就以当前场面为准。
数据依据
- CA：档案 25.9% · 参考 9.1%
- SA3：档案 40.7% · 参考 39.9%
- 斗气技：档案 9.1% · 参考 16%
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16日 · AI：dots-studio/dots-3-note-preview:free
Yasmine · 最近100场
需要改进的地方
追踪位置得失的过程
版边压制：档案 7.5 · 参考 13.01
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 13.01
- 被困版边时间：档案 7 · 参考 9.07
让斗气迸放有明确目的
斗气迸放：档案 0.2 · 参考 0.17
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 0.2 · 参考 0.17
- 斗气迸放消耗：档案 1.5% · 参考 1.4%
明确每次量表消耗的目的
SA2：档案 11.1% · 参考 24.2%
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
- SA2：档案 11.1% · 参考 24.2%
- 斗气技：档案 9.1% · 参考 17.5%
- CA：档案 25.9% · 参考 9.2%
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16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Terry：26场中获胜9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Terry：26场中获胜9场
- 对阵Jamie：19场中获胜9场
- 对阵M. Bison：15场中获胜7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16日 · AI：dots-studio/dots-3-note-preview:free