最近一场对战
失败斗技战场
IN
TEIN更新于7天前
Steam
Japan俱乐部 · BeerBearC100%
SteamJapan俱乐部 · BeerBearC100%LargeQ
A-ISM
MR 1,484#344,030胜率
—
0 胜 · 0 负 · 已存 0 场
排位赛对战
0
已选模式
胜场
0
排位赛
负场
0
排位赛
最高 MR
1,484
Ingrid
排位 MR · Ingrid
本地 0 · 导入 0 · 图表显示 0 · 已存 18 场对战
此时间范围内的排位 MR 数据不足。
尚未请求回放
INTEIN按差值绝对值从大到小排列23 项习惯
| 习惯 | LargeQ | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 30.4% | 52.1% | -21.8% | |
| SA1 | 39.2% | 26.9% | +12.4% | |
| SA3 | 24.1% | 15.9% | +8.2% | |
| 斗气技 | 21.5% | 27.3% | -5.9% | |
| 版边压制 | 6.70 | 11.52 | -4.82 | |
| 斗气防御 | 16.4% | 12.3% | +4.1% | |
| 斗气前冲（招架） | 11.3% | 7.4% | +3.9% | |
| 斗气前冲（取消） | 23.1% | 25.1% | -2.1% | |
| 斗气迸放消耗 | 3.7% | 2.0% | +1.7% | |
| 被困版边时间 | 12.10 | 10.40 | +1.70 | |
| CA | 6.3% | 5.1% | +1.2% | |
| 精准招架 | 0.20 | 0.50 | -0.30 | |
| 斗气反攻 | 0.10 | 0.31 | -0.21 | |
| 受到投技 | 2.00 | 2.18 | -0.18 | |
| 斗气迸放 | 0.40 | 0.24 | +0.16 | |
| 投技 | 2.10 | 2.26 | -0.16 | |
| 斗气招架 | 1.40 | 1.54 | -0.14 | |
| 造成昏厥 | 0.00 | 0.12 | -0.12 | |
| 受到惩罚反击 | 0.20 | 0.09 | +0.11 | |
| 惩罚反击命中 | 0.20 | 0.13 | +0.07 | |
| 受到昏厥 | 0.00 | 0.07 | -0.07 | |
| 拆投 | 0.30 | 0.36 | -0.06 | |
| 招架时被投 | 0.30 | 0.29 | +0.01 |
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。
Ingrid · 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 0.2 · 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 0.2 · 参考 0.08
让斗气迸放有明确目的
斗气迸放：档案 0.4 · 参考 0.27
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 0.4 · 参考 0.27
- 斗气迸放消耗：档案 3.7% · 参考 2.1%
追踪位置得失的过程
版边压制：档案 6.7 · 参考 11.85
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 6.7 · 参考 11.85
- 被困版边时间：档案 12.1 · 参考 10.23
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7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Char 253：134场中获胜60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 253：134场中获胜60场
- 对阵Yasmine：61场中获胜31场
- 对阵A.K.I.：15场中获胜5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7日 · AI：dots-studio/dots-3-note-preview:free