最近一场对战
胜利排位赛
AL
CAAL更新于9小时前
Steam
JapanM100%
SteamJapanM100%くみちょう
Conqueror: New Blood
LP 18,260最近 10 场5–5最近 20 场8–12
胜率
45%
49 胜 · 59 负 · 已存 108 场
排位赛对战
108
已选模式
胜场
49
排位赛
负场
59
排位赛
最高 LP
18,267
Alex
排位 LP · Alex
此角色的 LP 走势
尚未请求回放
ALCAAL按差值绝对值从大到小排列23 项习惯
| 习惯 | くみちょう | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气技 | 56.2% | 13.2% | +43.0% | |
| 斗气前冲（取消） | 0.0% | 33.2% | -33.2% | |
| SA2 | 56.5% | 27.6% | +28.9% | |
| SA3 | 8.9% | 25.2% | -16.3% | |
| SA1 | 28.2% | 38.9% | -10.7% | |
| 斗气防御 | 4.3% | 14.0% | -9.7% | |
| 版边压制 | 3.60 | 10.07 | -6.47 | |
| 斗气前冲（招架） | 3.3% | 8.2% | -4.8% | |
| 被困版边时间 | 7.50 | 9.50 | -2.00 | |
| CA | 6.5% | 8.3% | -1.9% | |
| 斗气迸放消耗 | 3.4% | 2.0% | +1.4% | |
| 斗气招架 | 0.30 | 1.62 | -1.32 | |
| 投技 | 1.60 | 2.24 | -0.64 | |
| 精准招架 | 0.00 | 0.64 | -0.64 | |
| 拆投 | 0.00 | 0.51 | -0.51 | |
| 斗气反攻 | 0.80 | 0.43 | +0.37 | |
| 受到惩罚反击 | 0.40 | 0.11 | +0.29 | |
| 招架时被投 | 0.00 | 0.27 | -0.27 | |
| 斗气迸放 | 0.40 | 0.23 | +0.17 | |
| 造成昏厥 | 0.00 | 0.10 | -0.10 | |
| 受到投技 | 2.10 | 2.18 | -0.08 | |
| 受到昏厥 | 0.10 | 0.04 | +0.06 | |
| 惩罚反击命中 | 0.20 | 0.14 | +0.06 |
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。
Alex · 最近100场
需要改进的地方
找出惩罚反击的原因
受到惩罚反击：档案 0.3 · 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
- 受到惩罚反击：档案 0.3 · 参考 0.12
- 惩罚反击命中：档案 0.2 · 参考 0.12
复盘防守决策
斗气招架：档案 0.1 · 参考 1.63
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 0.1 · 参考 1.63
- 精准招架：档案 0 · 参考 0.7
明确每次量表消耗的目的
斗气技：档案 55.7% · 参考 14.2%
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
- 斗气技：档案 55.7% · 参考 14.2%
- 斗气防御：档案 4.1% · 参考 14.1%
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12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 0.1 · 参考 1.63
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 0.1 · 参考 1.63
- 精准招架：档案 0 · 参考 0.7
区分持续倾向与偶发失误
已保存的近期排位赛样本：71场中获胜34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：71场中获胜34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12日 · AI：nex-agi/nex-n2.5-mini:free