最近一场对战
失败自定义房间
DE
AKDE更新于1周前
Steam
JapanC100%
SteamJapanC100%Tokuho
Uwo! Uwo!
最近 10 场4–6-10最近 20 场8–12-26
胜率
49%
51 胜 · 53 负 · 已存 104 场
排位赛对战
104
已选模式
胜场
51
排位赛
负场
53
排位赛
最高 MR
1,556
Dee Jay
排位 MR · Dee Jay
本地 104 · 导入 0 · 图表显示 104 · 已存 131 场对战
尚未请求回放
DEAKDE按差值绝对值从大到小排列23 项习惯
| 习惯 | Tokuho | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气前冲（取消） | 3.0% | 22.8% | -19.8% | |
| SA1 | 47.6% | 33.3% | +14.3% | |
| SA3 | 21.4% | 33.0% | -11.6% | |
| 斗气技 | 19.4% | 25.1% | -5.7% | |
| CA | 4.8% | 9.9% | -5.2% | |
| 斗气前冲（招架） | 12.7% | 9.1% | +3.6% | |
| 斗气防御 | 18.5% | 14.9% | +3.6% | |
| 版边压制 | 9.80 | 12.34 | -2.54 | |
| SA2 | 26.2% | 23.8% | +2.4% | |
| 斗气反攻 | 0.70 | 0.18 | +0.52 | |
| 斗气迸放消耗 | 1.1% | 1.5% | -0.5% | |
| 投技 | 2.10 | 2.52 | -0.42 | |
| 受到投技 | 2.50 | 2.22 | +0.28 | |
| 斗气招架 | 1.40 | 1.67 | -0.27 | |
| 招架时被投 | 0.10 | 0.27 | -0.17 | |
| 精准招架 | 0.40 | 0.55 | -0.15 | |
| 被困版边时间 | 9.60 | 9.45 | +0.15 | |
| 惩罚反击命中 | 0.00 | 0.12 | -0.12 | |
| 斗气迸放 | 0.10 | 0.20 | -0.10 | |
| 受到惩罚反击 | 0.20 | 0.10 | +0.10 | |
| 造成昏厥 | 0.00 | 0.07 | -0.07 | |
| 受到昏厥 | 0.00 | 0.04 | -0.04 | |
| 拆投 | 0.50 | 0.46 | +0.04 |
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。
Dee Jay · 最近100场
需要改进的地方
找出惩罚反击的原因
惩罚反击命中：档案 0 · 参考 0.12
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
- 惩罚反击命中：档案 0 · 参考 0.12
- 受到惩罚反击：档案 0.1 · 参考 0.12
复盘防守决策
斗气招架：档案 0.9 · 参考 1.54
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 0.9 · 参考 1.54
- 精准招架：档案 0.1 · 参考 0.55
明确每次量表消耗的目的
斗气前冲（取消）：档案 2.5% · 参考 23.9%
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
- 斗气前冲（取消）：档案 2.5% · 参考 23.9%
- 斗气技：档案 17.8% · 参考 25.4%
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7月19日 · AI：dots-studio/dots-3-note-preview:free
如何应对这位玩家
验证斗气迸放倾向
斗气迸放：档案 0.1 · 参考 0.22
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 0.1 · 参考 0.22
把对局战绩当作观察线索
对阵Char 253：189场中获胜92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 253：189场中获胜92场
- 对阵Akuma：26场中获胜16场
区分持续倾向与偶发失误
已保存的近期排位赛样本：72场中获胜37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：72场中获胜37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7月19日 · AI：dots-studio/dots-3-note-preview:free