最近一场对战
胜利排位赛
JAJAJA更新于6小时前
Steam
JapanC100%
SteamJapanC100%success
The Master Jamie Lifestyle
MR 1,636#54,621最近 10 场6–4+17最近 20 场10–10+1
胜率
50%
62 胜 · 61 负 · 已存 123 场
排位赛对战
123
已选模式
胜场
62
排位赛
负场
61
排位赛
最高 MR
1,646
Jamie
排位 MR · Jamie
本地 123 · 导入 0 · 图表显示 123 · 已存 155 场对战
尚未请求回放
JAJAJA按差值绝对值从大到小排列23 项习惯
| 习惯 | success | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA1 | 20.8% | 29.0% | -8.2% | |
| SA3 | 47.2% | 39.7% | +7.5% | |
| 斗气技 | 29.5% | 23.2% | +6.2% | |
| CA | 15.3% | 9.8% | +5.4% | |
| SA2 | 16.7% | 21.4% | -4.7% | |
| 被困版边时间 | 7.40 | 8.56 | -1.16 | |
| 斗气前冲（取消） | 32.9% | 33.8% | -1.0% | |
| 斗气迸放消耗 | 2.0% | 1.4% | +0.7% | |
| 版边压制 | 14.30 | 14.89 | -0.59 | |
| 拆投 | 0.00 | 0.40 | -0.40 | |
| 投技 | 2.00 | 2.40 | -0.40 | |
| 受到投技 | 1.90 | 2.15 | -0.25 | |
| 斗气防御 | 10.7% | 11.0% | -0.2% | |
| 精准招架 | 0.50 | 0.67 | -0.17 | |
| 斗气反攻 | 0.10 | 0.26 | -0.16 | |
| 斗气招架 | 1.70 | 1.78 | -0.08 | |
| 斗气前冲（招架） | 5.7% | 5.7% | -0.1% | |
| 受到惩罚反击 | 0.10 | 0.06 | +0.04 | |
| 受到昏厥 | 0.10 | 0.06 | +0.04 | |
| 惩罚反击命中 | 0.10 | 0.07 | +0.03 | |
| 造成昏厥 | 0.10 | 0.08 | +0.02 | |
| 斗气迸放 | 0.20 | 0.21 | -0.01 | |
| 招架时被投 | 0.20 | 0.20 | 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。
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：94场中获胜48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：94场中获胜48场
检查近距离选择
拆投：档案 0 · 参考 0.42
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
- 拆投：档案 0 · 参考 0.42
复盘防守决策
斗气反攻：档案 0.1 · 参考 0.24
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
- 斗气反攻：档案 0.1 · 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9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：94场中获胜48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：94场中获胜48场
把对局战绩当作观察线索
对阵Char 253：457场中获胜223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Char 253：457场中获胜223场
- 对阵Luke：56场中获胜27场
- 对阵Alex：35场中获胜12场
验证斗气迸放倾向
斗气迸放：档案 0.3 · 参考 0.2
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 0.3 · 参考 0.2
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9日 · AI：nex-agi/nex-n2.5-mini:free