最近一场对战
胜利排位赛
KE
MAKE更新于1周前
Steam
JapanC100%
SteamJapanC100%aooooooooo
Let's Do This
MR 1,376#519,568最近 10 场3–7-31最近 20 场8–12-14
胜率
43%
41 胜 · 55 负 · 已存 96 场
排位赛对战
96
已选模式
胜场
41
排位赛
负场
55
排位赛
最高 MR
1,438
Ken
排位 MR · Ken
本地 94 · 导入 0 · 图表显示 94 · 已存 131 场对战
尚未请求回放
KEMAKE按差值绝对值从大到小排列23 项习惯
| 习惯 | aooooooooo | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气前冲（取消） | 21.6% | 38.2% | -16.6% | |
| 斗气技 | 28.4% | 14.9% | +13.5% | |
| SA2 | 33.3% | 25.9% | +7.4% | |
| SA1 | 20.0% | 27.3% | -7.3% | |
| 版边压制 | 5.90 | 13.12 | -7.22 | |
| 斗气防御 | 9.7% | 12.7% | -3.0% | |
| SA3 | 33.3% | 35.8% | -2.4% | |
| CA | 13.3% | 11.0% | +2.3% | |
| 被困版边时间 | 10.90 | 8.95 | +1.95 | |
| 斗气前冲（招架） | 5.5% | 6.8% | -1.2% | |
| 投技 | 1.80 | 2.57 | -0.77 | |
| 受到投技 | 3.00 | 2.26 | +0.74 | |
| 斗气迸放消耗 | 0.7% | 1.4% | -0.7% | |
| 斗气招架 | 1.30 | 1.89 | -0.59 | |
| 精准招架 | 0.60 | 0.84 | -0.24 | |
| 斗气反攻 | 0.00 | 0.23 | -0.23 | |
| 拆投 | 0.30 | 0.44 | -0.14 | |
| 受到惩罚反击 | 0.20 | 0.08 | +0.12 | |
| 招架时被投 | 0.10 | 0.21 | -0.11 | |
| 斗气迸放 | 0.10 | 0.19 | -0.09 | |
| 造成昏厥 | 0.00 | 0.07 | -0.07 | |
| 受到昏厥 | 0.10 | 0.05 | +0.05 | |
| 惩罚反击命中 | 0.10 | 0.10 | -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。
Ken · 最近100场
需要改进的地方
追踪位置得失的过程
版边压制：档案 5.9 · 参考 12.08
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 5.9 · 参考 12.08
- 被困版边时间：档案 10.9 · 参考 9.04
让斗气迸放有明确目的
斗气迸放：档案 0.1 · 参考 0.18
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 0.1 · 参考 0.18
- 斗气迸放消耗：档案 0.7% · 参考 1.3%
复盘防守决策
斗气反攻：档案 0 · 参考 0.21
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 0.21
- 拆投：档案 0.3 · 参考 0.46
- 斗气招架：档案 1.3 · 参考 1.97
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6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Terry：85场中获胜44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Terry：85场中获胜44场
- 对阵Char 253：457场中获胜225场
区分持续倾向与偶发失误
已保存的近期排位赛样本：86场中获胜39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：86场中获胜39场
寻找可重复利用的反击机会
受到惩罚反击：档案 0.2 · 参考 0.09
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
- 受到惩罚反击：档案 0.2 · 参考 0.09
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6日 · AI：dots-studio/dots-3-note-preview:free