最近一场对战
胜利排位赛
RY
ALRY更新于6天前
Steam
JapanC100%
SteamJapanC100%aragi
Let's Do This
MR 1,673#36,341最近 10 场6–4+15最近 20 场11–9+13
胜率
44%
48 胜 · 60 负 · 已存 108 场
排位赛对战
108
已选模式
胜场
48
排位赛
负场
60
排位赛
最高 MR
1,738
Ryu
排位 MR · Ryu
本地 108 · 导入 0 · 图表显示 108 · 已存 108 场对战
尚未请求回放
RYALRY按差值绝对值从大到小排列23 项习惯
| 习惯 | aragi | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 3.5% | 20.3% | -16.7% | |
| SA3 | 44.7% | 35.4% | +9.3% | |
| CA | 16.5% | 9.4% | +7.1% | |
| 斗气前冲（取消） | 32.7% | 36.4% | -3.8% | |
| 版边压制 | 7.60 | 10.94 | -3.34 | |
| 被困版边时间 | 11.70 | 8.58 | +3.12 | |
| 斗气技 | 18.1% | 18.9% | -0.8% | |
| 斗气招架 | 2.50 | 1.69 | +0.81 | |
| 受到投技 | 2.80 | 2.06 | +0.74 | |
| 斗气迸放消耗 | 1.7% | 1.1% | +0.6% | |
| 拆投 | 0.90 | 0.44 | +0.46 | |
| SA1 | 35.3% | 34.9% | +0.4% | |
| 斗气反攻 | 0.50 | 0.15 | +0.35 | |
| 精准招架 | 0.40 | 0.71 | -0.31 | |
| 斗气防御 | 12.2% | 11.9% | +0.3% | |
| 斗气前冲（招架） | 6.2% | 6.4% | -0.2% | |
| 招架时被投 | 0.10 | 0.21 | -0.11 | |
| 受到昏厥 | 0.10 | 0.05 | +0.05 | |
| 造成昏厥 | 0.10 | 0.05 | +0.05 | |
| 斗气迸放 | 0.20 | 0.16 | +0.04 | |
| 受到惩罚反击 | 0.10 | 0.07 | +0.03 | |
| 惩罚反击命中 | 0.10 | 0.08 | +0.02 | |
| 投技 | 2.20 | 2.20 | +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。
Ryu · 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 0.1 · 参考 0.07
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 0.1 · 参考 0.07
明确每次量表消耗的目的
SA2：档案 3.5% · 参考 20.3%
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
- SA2：档案 3.5% · 参考 20.3%
- CA：档案 16.5% · 参考 9.4%
追踪位置得失的过程
版边压制：档案 7.6 · 参考 10.94
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 7.6 · 参考 10.94
- 被困版边时间：档案 11.7 · 参考 8.58
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8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Yasmine：243场中获胜135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：243场中获胜135场
试探近距离模式
拆投：档案 0.9 · 参考 0.44
观察实际的打击、投技和防守选择。出现倾向后，再改变熟悉攻防中的一个部分。
试试这样做同样的反应连续出现两次后，尝试不同选择。如果对方改变反应，就重新混合选项，不要认定这个模式永远有效。
数据依据
- 拆投：档案 0.9 · 参考 0.44
- 受到投技：档案 2.8 · 参考 2.06
先试探实际防守反应
斗气反攻：档案 0.5 · 参考 0.15
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 0.5 · 参考 0.15
- 精准招架：档案 0.4 · 参考 0.71
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8日 · AI：dots-studio/dots-3-note-preview:free