最近一场对战
胜利排位赛
JP
JUJP更新于3天前
Steam
JapanM100%
SteamJapanM100%えんだ選手
Angel Devil Kingdom
LP 22,785最近 10 场4–6最近 20 场8–12
胜率
43%
33 胜 · 43 负 · 已存 76 场
排位赛对战
76
已选模式
胜场
33
排位赛
负场
43
排位赛
最高 LP
23,273
JP
排位 LP · JP
此角色的 LP 走势
可用
JPJUJP按差值绝对值从大到小排列23 项习惯
| 习惯 | えんだ選手 | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气技 | 54.2% | 31.4% | +22.8% | |
| 斗气前冲（取消） | 2.7% | 22.1% | -19.4% | |
| SA3 | 25.5% | 18.1% | +7.5% | |
| 斗气防御 | 6.0% | 13.0% | -7.1% | |
| 版边压制 | 3.70 | 10.70 | -7.00 | |
| SA2 | 48.9% | 54.2% | -5.2% | |
| 斗气前冲（招架） | 2.6% | 6.7% | -4.2% | |
| SA1 | 19.1% | 22.6% | -3.4% | |
| 斗气迸放消耗 | 5.3% | 2.1% | +3.2% | |
| CA | 6.4% | 5.2% | +1.2% | |
| 斗气招架 | 1.00 | 2.00 | -1.00 | |
| 斗气反攻 | 0.80 | 0.17 | +0.63 | |
| 被困版边时间 | 12.60 | 12.00 | +0.60 | |
| 精准招架 | 0.20 | 0.76 | -0.56 | |
| 投技 | 1.60 | 2.02 | -0.42 | |
| 拆投 | 0.10 | 0.41 | -0.31 | |
| 受到惩罚反击 | 0.30 | 0.09 | +0.21 | |
| 受到投技 | 2.10 | 2.29 | -0.19 | |
| 招架时被投 | 0.20 | 0.38 | -0.18 | |
| 斗气迸放 | 0.50 | 0.33 | +0.17 | |
| 受到昏厥 | 0.10 | 0.03 | +0.07 | |
| 惩罚反击命中 | 0.20 | 0.13 | +0.07 | |
| 造成昏厥 | 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。
JP · 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 0.79
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 0.79
- 斗气招架：档案 1 · 参考 2.07
追踪位置得失的过程
版边压制：档案 3.7 · 参考 10.77
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 3.7 · 参考 10.77
- 被困版边时间：档案 12.6 · 参考 12.04
找出惩罚反击的原因
受到惩罚反击：档案 0.3 · 参考 0.08
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 0.3 · 参考 0.08
- 惩罚反击命中：档案 0.2 · 参考 0.13
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13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 0.8 · 参考 0.13
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 0.8 · 参考 0.13
验证斗气迸放倾向
斗气迸放：档案 0.5 · 参考 0.34
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 0.34
- 斗气迸放消耗：档案 5.3% · 参考 2.1%
把对局战绩当作观察线索
对阵Yasmine：48场中获胜30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Yasmine：48场中获胜30场
- 对阵Juri：36场中获胜25场
- 对阵Zangief：43场中获胜20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13日 · AI：dots-studio/dots-3-note-preview:free