最近一场对战
胜利排位赛
JA
AKJA更新于16小时前
Steam
JapanC100%
SteamJapanC100%kuma
Let's Do This
MR 1,502#251,972最近 10 场4–6-16最近 20 场7–13-50
胜率
53%
47 胜 · 41 负 · 已存 88 场
排位赛对战
88
已选模式
胜场
47
排位赛
负场
41
排位赛
最高 MR
1,552
Jamie
排位 MR · Jamie
本地 88 · 导入 0 · 图表显示 88 · 已存 88 场对战
尚未请求回放
JAAKJA按差值绝对值从大到小排列23 项习惯
| 习惯 | kuma | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 1.4% | 21.4% | -20.0% | |
| SA3 | 59.2% | 39.7% | +19.4% | |
| 斗气技 | 15.7% | 23.2% | -7.6% | |
| 斗气防御 | 16.2% | 11.0% | +5.2% | |
| 斗气前冲（招架） | 10.2% | 5.7% | +4.5% | |
| 斗气前冲（取消） | 29.8% | 33.8% | -4.0% | |
| 版边压制 | 11.90 | 14.89 | -2.99 | |
| CA | 12.7% | 9.8% | +2.8% | |
| SA1 | 26.8% | 29.0% | -2.3% | |
| 斗气迸放消耗 | 2.9% | 1.4% | +1.5% | |
| 斗气招架 | 2.60 | 1.78 | +0.82 | |
| 被困版边时间 | 9.10 | 8.56 | +0.54 | |
| 精准招架 | 0.20 | 0.67 | -0.47 | |
| 投技 | 2.80 | 2.40 | +0.40 | |
| 受到投技 | 2.50 | 2.15 | +0.35 | |
| 拆投 | 0.70 | 0.40 | +0.30 | |
| 斗气迸放 | 0.50 | 0.21 | +0.29 | |
| 斗气反攻 | 0.00 | 0.26 | -0.26 | |
| 受到惩罚反击 | 0.20 | 0.06 | +0.14 | |
| 惩罚反击命中 | 0.20 | 0.07 | +0.13 | |
| 招架时被投 | 0.30 | 0.20 | +0.10 | |
| 受到昏厥 | 0.10 | 0.06 | +0.04 | |
| 造成昏厥 | 0.10 | 0.08 | +0.02 |
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。
Jamie · 最近100场
需要改进的地方
比较胜负中的决策
已保存的近期排位赛样本：88场中获胜47场
从已保存的近期样本中选两场胜利与两场失败，找出变化的决策。战绩本身无法解释结果变化的原因。
试试这样做写下接下来五场要测试的一项具体判断。复盘是否执行及发生了什么，不要只用胜负评价练习。
数据依据
- 已保存的近期排位赛样本：88场中获胜47场
研究反复出现的角色对局场景
对阵Alex：68场中获胜33场
用引用的角色对战记录选择要看的录像，寻找多场败局中重复的决策，并与胜局比较后再下结论。
试试这样做选择对阵该角色时反复出现的一个场景，在训练中验证替代应对，并记录接下来五场中的这一判断。
数据依据
- 对阵Alex：68场中获胜33场
- 对阵Ingrid：38场中获胜19场
让斗气迸放有明确目的
斗气迸放：档案 0.5 · 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 0.5 · 参考 0.21
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15日 · AI：nex-agi/nex-n2.5-mini:free
如何应对这位玩家
区分持续倾向与偶发失误
已保存的近期排位赛样本：88场中获胜47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：88场中获胜47场
把对局战绩当作观察线索
对阵Alex：68场中获胜33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Alex：68场中获胜33场
- 对阵Ingrid：38场中获胜19场
验证斗气迸放倾向
斗气迸放：档案 0.5 · 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 0.5 · 参考 0.21
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15日 · AI：nex-agi/nex-n2.5-mini:free