最近一场对战
YAyamada

排位 LP · Yasmine
此角色的 LP 走势
| 习惯 | yamada | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA3 | 51.9% | 35.7% | +16.2% | |
| SA1 | 14.8% | 30.9% | -16.1% | |
| SA2 | 11.1% | 24.2% | -13.1% | |
| CA | 22.2% | 9.2% | +13.0% | |
| 斗气技 | 6.1% | 17.5% | -11.5% | |
| 斗气前冲(取消) | 23.3% | 29.7% | -6.5% | |
| 被困版边时间 | 5.30 | 9.07 | -3.77 | |
| 斗气迸放消耗 | 4.6% | 1.4% | +3.3% | |
| 版边压制 | 9.80 | 13.01 | -3.21 | |
| 斗气前冲(招架) | 11.2% | 8.4% | +2.8% | |
| 斗气防御 | 16.8% | 14.5% | +2.3% | |
| 投技 | 4.00 | 2.52 | +1.48 | |
| 斗气反攻 | 1.00 | 0.23 | +0.77 | |
| 受到投技 | 2.90 | 2.34 | +0.56 | |
| 斗气迸放 | 0.60 | 0.17 | +0.43 | |
| 精准招架 | 0.30 | 0.70 | -0.40 | |
| 惩罚反击命中 | 0.40 | 0.10 | +0.30 | |
| 斗气招架 | 1.60 | 1.90 | -0.30 | |
| 受到惩罚反击 | 0.30 | 0.06 | +0.24 | |
| 造成昏厥 | 0.00 | 0.08 | -0.08 | |
| 受到昏厥 | 0.10 | 0.06 | +0.04 | |
| 招架时被投 | 0.20 | 0.23 | -0.03 | |
| 拆投 | 0.50 | 0.48 | +0.02 |
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。
Yasmine · 最近100场
需要改进的地方
找出惩罚反击的原因
惩罚反击命中: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
- 惩罚反击命中:档案 0.3 · 参考 0.09
- 受到惩罚反击:档案 0.2 · 参考 0.06
复盘防守决策
斗气招架:档案 0.8 · 参考 1.96
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 0.8 · 参考 1.96
- 精准招架:档案 0.1 · 参考 0.74
- 斗气反攻:档案 0.4 · 参考 0.24
检查近距离选择
投技:档案 1.9 · 参考 2.59
回看五次近距离交锋,区分投技机会、投技尝试和防守选择。仅靠汇总次数无法判断当时的正确答案。
试试这样做在重复场景中记录打击和投技,练习选定的应对,再检查自己能否在实战中有意识地做出判断。
数据依据
- 投技:档案 1.9 · 参考 2.59
- 受到投技:档案 2.5 · 参考 2.31
- 拆投:档案 0.2 · 参考 0.49
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 0.4 · 参考 0.19
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 0.4 · 参考 0.19
- 斗气迸放消耗:档案 5.9% · 参考 1.4%
把对局战绩当作观察线索
对阵Jamie:19场中获胜5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Jamie:19场中获胜5场
- 对阵Marisa:13场中获胜5场
区分持续倾向与偶发失误
已保存的近期排位赛样本:51场中获胜26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:51场中获胜26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

