最近一场对战
MA后发先至
排位 MR · Marisa
本地 190 · 导入 0 · 图表显示 190 · 已存 237 场对战
| 习惯 | 后发先至 | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA1 | 21.9% | 41.8% | -19.9% | |
| SA3 | 46.9% | 32.8% | +14.1% | |
| 斗气前冲(取消) | 15.7% | 29.3% | -13.6% | |
| CA | 18.8% | 7.3% | +11.4% | |
| 斗气技 | 29.2% | 19.0% | +10.2% | |
| SA2 | 12.5% | 18.1% | -5.6% | |
| 被困版边时间 | 10.00 | 7.86 | +2.14 | |
| 版边压制 | 8.20 | 10.02 | -1.82 | |
| 斗气迸放消耗 | 2.7% | 1.8% | +0.8% | |
| 斗气前冲(招架) | 9.6% | 8.9% | +0.7% | |
| 斗气防御 | 14.0% | 14.5% | -0.5% | |
| 精准招架 | 0.20 | 0.59 | -0.39 | |
| 斗气招架 | 1.20 | 1.56 | -0.36 | |
| 拆投 | 0.80 | 0.54 | +0.26 | |
| 斗气反攻 | 0.10 | 0.33 | -0.23 | |
| 投技 | 1.80 | 2.03 | -0.23 | |
| 受到投技 | 2.40 | 2.20 | +0.20 | |
| 受到昏厥 | 0.00 | 0.03 | -0.03 | |
| 招架时被投 | 0.30 | 0.28 | +0.02 | |
| 受到惩罚反击 | 0.10 | 0.11 | -0.01 | |
| 惩罚反击命中 | 0.10 | 0.11 | -0.01 | |
| 造成昏厥 | 0.10 | 0.09 | +0.01 | |
| 斗气迸放 | 0.20 | 0.20 | +0.00 |
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。
Marisa · 最近100场
需要改进的地方
复盘防守决策
斗气招架:档案 1.2 · 参考 1.59
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
- 斗气招架:档案 1.2 · 参考 1.59
- 精准招架:档案 0.1 · 参考 0.6
- 斗气反攻:档案 0.1 · 参考 0.32
比较胜负中的决策
已保存的近期排位赛样本:100场中获胜56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:100场中获胜56场
让斗气迸放有明确目的
斗气迸放:档案 0.2 · 参考 0.2
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 0.2 · 参考 0.2
- 斗气迸放消耗:档案 3.3% · 参考 1.9%
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:nex-agi/nex-n2.5-mini:free
如何应对这位玩家
先试探实际防守反应
斗气招架:档案 1.2 · 参考 1.59
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
- 斗气招架:档案 1.2 · 参考 1.59
- 精准招架:档案 0.1 · 参考 0.6
- 斗气反攻:档案 0.1 · 参考 0.32
区分持续倾向与偶发失误
已保存的近期排位赛样本:100场中获胜56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:100场中获胜56场
验证斗气迸放倾向
斗气迸放:档案 0.2 · 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 0.2 · 参考 0.2
- 斗气迸放消耗:档案 3.3% · 参考 1.9%
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:nex-agi/nex-n2.5-mini:free

