最近一场对战
胜利排位赛
MA
INMA更新于1天前
CrossPlatform
Japan俱乐部 · InfinitePhoenixM100%
CrossPlatformJapan俱乐部 · InfinitePhoenixM100%GIPPO
GG
MR 1,507#226,729最近 10 场6–4+19最近 20 场11–9+23
胜率
57%
12 胜 · 9 负 · 已存 21 场
排位赛对战
21
已选模式
胜场
12
排位赛
负场
9
排位赛
最高 MR
1,522
Marisa
排位 MR · Marisa
本地 21 · 导入 0 · 图表显示 21 · 已存 105 场对战
尚未请求回放
MAINMA按差值绝对值从大到小排列23 项习惯
| 习惯 | GIPPO | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA1 | 19.1% | 41.8% | -22.6% | |
| 斗气前冲（取消） | 13.0% | 29.3% | -16.3% | |
| SA3 | 48.9% | 32.8% | +16.2% | |
| CA | 17.0% | 7.3% | +9.7% | |
| 斗气技 | 12.2% | 19.0% | -6.7% | |
| 斗气防御 | 18.0% | 14.5% | +3.5% | |
| SA2 | 14.9% | 18.1% | -3.2% | |
| 被困版边时间 | 10.80 | 7.86 | +2.94 | |
| 版边压制 | 7.50 | 10.02 | -2.52 | |
| 受到投技 | 3.40 | 2.20 | +1.20 | |
| 投技 | 1.30 | 2.03 | -0.73 | |
| 拆投 | 1.10 | 0.54 | +0.56 | |
| 斗气前冲（招架） | 9.4% | 8.9% | +0.5% | |
| 斗气反攻 | 0.70 | 0.33 | +0.37 | |
| 斗气招架 | 1.80 | 1.56 | +0.24 | |
| 精准招架 | 0.70 | 0.59 | +0.11 | |
| 斗气迸放 | 0.10 | 0.20 | -0.10 | |
| 造成昏厥 | 0.00 | 0.09 | -0.09 | |
| 斗气迸放消耗 | 1.9% | 1.8% | +0.1% | |
| 招架时被投 | 0.20 | 0.28 | -0.08 | |
| 受到昏厥 | 0.10 | 0.03 | +0.07 | |
| 受到惩罚反击 | 0.10 | 0.11 | -0.01 | |
| 惩罚反击命中 | 0.10 | 0.11 | -0.01 |
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。
Marisa · 最近100场
需要改进的地方
复盘防守决策
斗气反攻：档案 0.7 · 参考 0.32
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 0.7 · 参考 0.32
- 拆投：档案 1.2 · 参考 0.52
- 受到投技：档案 3.5 · 参考 2.3
追踪位置得失的过程
版边压制：档案 7.8 · 参考 10.2
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 7.8 · 参考 10.2
- 被困版边时间：档案 12.3 · 参考 8.39
找出惩罚反击的原因
受到惩罚反击：档案 0.1 · 参考 0.11
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 0.11
- 惩罚反击命中：档案 0.1 · 参考 0.12
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10日 · AI：dots-studio/dots-3-note-preview:free
如何应对这位玩家
先试探实际防守反应
斗气反攻：档案 0.7 · 参考 0.32
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 0.7 · 参考 0.32
- 拆投：档案 1.2 · 参考 0.52
- 受到投技：档案 3.5 · 参考 2.3
试探近距离模式
投技：档案 1.3 · 参考 2.13
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 1.3 · 参考 2.13
- 拆投：档案 1.2 · 参考 0.52
- 受到投技：档案 3.5 · 参考 2.3
把对局战绩当作观察线索
对阵Ryu：216场中获胜101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Ryu：216场中获胜101场
- 对阵Terry：123场中获胜62场
- 对阵Luke：99场中获胜21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9月10日 · AI：dots-studio/dots-3-note-preview:free