最近一场对战
胜利排位赛
LU
YALU更新于24小时前
Steam
JapanC100%
SteamJapanC100%uuuuu
Let's Do This
MR 1,500#260,704最近 10 场7–3最近 20 场12–8
胜率
65%
15 胜 · 8 负 · 已存 23 场
排位赛对战
23
已选模式
胜场
15
排位赛
负场
8
排位赛
最高 MR
1,500
Luke
排位 MR · Luke
本地 1 · 导入 0 · 图表显示 1 · 已存 23 场对战
此时间范围内的排位 MR 数据不足。
尚未请求回放
LUYALU按差值绝对值从大到小排列23 项习惯
| 习惯 | uuuuu | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 6.3% | 26.9% | -20.6% | |
| 斗气前冲（取消） | 54.7% | 37.0% | +17.7% | |
| SA3 | 48.8% | 33.7% | +15.0% | |
| 斗气技 | 5.1% | 16.3% | -11.2% | |
| CA | 16.3% | 9.4% | +6.8% | |
| 被困版边时间 | 6.20 | 8.85 | -2.65 | |
| 斗气防御 | 11.3% | 13.7% | -2.4% | |
| 版边压制 | 11.40 | 13.81 | -2.41 | |
| SA1 | 28.8% | 30.0% | -1.3% | |
| 斗气招架 | 1.00 | 1.87 | -0.87 | |
| 斗气迸放消耗 | 2.3% | 1.4% | +0.9% | |
| 精准招架 | 0.20 | 0.77 | -0.57 | |
| 受到投技 | 1.60 | 2.11 | -0.51 | |
| 拆投 | 0.10 | 0.46 | -0.36 | |
| 投技 | 2.10 | 2.35 | -0.25 | |
| 招架时被投 | 0.10 | 0.21 | -0.11 | |
| 受到惩罚反击 | 0.20 | 0.09 | +0.11 | |
| 惩罚反击命中 | 0.20 | 0.10 | +0.10 | |
| 受到昏厥 | 0.10 | 0.07 | +0.03 | |
| 斗气前冲（招架） | 7.8% | 7.7% | +0.0% | |
| 造成昏厥 | 0.10 | 0.08 | +0.02 | |
| 斗气反攻 | 0.20 | 0.22 | -0.02 | |
| 斗气迸放 | 0.20 | 0.20 | +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。
Luke · 最近100场
需要改进的地方
复盘防守决策
斗气招架：档案 1 · 参考 1.87
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 · 参考 1.87
- 精准招架：档案 0.2 · 参考 0.77
找出惩罚反击的原因
惩罚反击命中：档案 0.2 · 参考 0.1
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 0.2 · 参考 0.1
- 受到惩罚反击：档案 0.2 · 参考 0.09
检查近距离选择
投技：档案 2.1 · 参考 2.35
回看五次近距离交锋，区分投技机会、投技尝试和防守选择。仅靠汇总次数无法判断当时的正确答案。
试试这样做在重复场景中记录打击和投技，练习选定的应对，再检查自己能否在实战中有意识地做出判断。
数据依据
- 投技：档案 2.1 · 参考 2.35
- 拆投：档案 0.1 · 参考 0.46
- 受到投技：档案 1.6 · 参考 2.11
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15日 · AI：nex-agi/nex-n2.5-pro:free
如何应对这位玩家
把对局战绩当作观察线索
对阵Luke：40场中获胜13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Luke：40场中获胜13场
- 对阵Akuma：39场中获胜30场
- 对阵Ryu：29场中获胜20场
试探近距离模式
投技：档案 2.1 · 参考 2.35
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
- 投技：档案 2.1 · 参考 2.35
- 拆投：档案 0.1 · 参考 0.46
- 受到投技：档案 1.6 · 参考 2.11
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 2.3% · 参考 1.4%
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9月15日 · AI：nex-agi/nex-n2.5-pro:free