最近一场对战
胜利休闲赛
CH
YACH更新于1天前
Steam
JapanM100%
SteamJapanM100%いっち～
Haitani Family
MR 1,607#76,222最近 10 场3–7-31最近 20 场7–13-45
胜率
50%
13 胜 · 13 负 · 已存 26 场
排位赛对战
26
已选模式
胜场
13
排位赛
负场
13
排位赛
最高 MR
1,737
Chun-Li
排位 MR · Chun-Li
本地 26 · 导入 0 · 图表显示 26 · 已存 260 场对战
尚未请求回放
CHYACH按差值绝对值从大到小排列23 项习惯
| 习惯 | いっち～ | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气前冲（取消） | 26.6% | 43.1% | -16.5% | |
| 斗气技 | 31.7% | 15.6% | +16.2% | |
| SA3 | 32.3% | 25.9% | +6.4% | |
| SA1 | 26.9% | 33.0% | -6.1% | |
| 斗气防御 | 5.1% | 9.6% | -4.5% | |
| 斗气前冲（招架） | 0.8% | 4.5% | -3.6% | |
| 斗气迸放消耗 | 5.0% | 1.5% | +3.5% | |
| 被困版边时间 | 10.60 | 8.40 | +2.20 | |
| 版边压制 | 10.70 | 12.05 | -1.35 | |
| 投技 | 1.30 | 2.51 | -1.21 | |
| CA | 7.5% | 8.5% | -1.0% | |
| SA2 | 33.3% | 32.6% | +0.8% | |
| 精准招架 | 0.10 | 0.57 | -0.47 | |
| 拆投 | 0.10 | 0.35 | -0.25 | |
| 斗气迸放 | 0.40 | 0.17 | +0.23 | |
| 受到投技 | 2.20 | 1.97 | +0.23 | |
| 受到惩罚反击 | 0.30 | 0.07 | +0.23 | |
| 斗气反攻 | 0.40 | 0.18 | +0.22 | |
| 斗气招架 | 1.40 | 1.61 | -0.21 | |
| 惩罚反击命中 | 0.30 | 0.10 | +0.20 | |
| 受到昏厥 | 0.10 | 0.05 | +0.05 | |
| 造成昏厥 | 0.10 | 0.05 | +0.05 | |
| 招架时被投 | 0.20 | 0.22 | -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。
Chun-Li · 最近100场
需要改进的地方
复盘防守决策
斗气反攻：档案 0 · 参考 0.17
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 · 参考 0.17
- 精准招架：档案 0.2 · 参考 0.57
让斗气迸放有明确目的
斗气迸放：档案 0.4 · 参考 0.16
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 0.16
明确每次量表消耗的目的
斗气技：档案 30.1% · 参考 16.9%
看着实际量表回顾五次资源决策，记录换来了什么以及还剩哪些选择。使用占比本身不能衡量效率。
试试这样做练习熟悉连段的资源消耗版本与节省版本，比较结果和剩余量表，再决定各自适用的场景。
数据依据
- 斗气技：档案 30.1% · 参考 16.9%
- SA2：档案 43.3% · 参考 31.7%
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 253：1,925场中获胜985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 253：1,925场中获胜985场
验证斗气迸放倾向
斗气迸放：档案 0.4 · 参考 0.16
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 0.16
寻找可重复利用的反击机会
惩罚反击命中：档案 0.3 · 参考 0.1
把统计作为观察线索。寻找你已验证在该距离能反击的动作，不要仅凭观感认定它有破绽。
试试这样做该动作出现时，尝试已确认的反击。如果对方不再使用，就恢复平常的距离控制，不必强行寻找机会。
数据依据
- 惩罚反击命中：档案 0.3 · 参考 0.1
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