最近一场对战
胜利排位赛
C.
DHC.更新于8小时前
Steam
Japan俱乐部 · CViperGodTierC100%
SteamJapan俱乐部 · CViperGodTierC100%群馬オランウータン
Let's Do This
MR 1,856#5,522最近 10 场6–3–1+19最近 20 场12–7–1+30
胜率
50%
170 胜 · 166 负 · 已存 337 场
排位赛对战
337
已选模式
胜场
170
排位赛
负场
166
排位赛
最高 MR
1,889
C. Viper
排位 MR · C. Viper
本地 337 · 导入 266 · 图表显示 585 · 已存 351 场对战
尚未请求回放
C.DHC.按差值绝对值从大到小排列23 项习惯
| 习惯 | 群馬オランウータン | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气前冲（取消） | 3.4% | 18.1% | -14.7% | |
| SA1 | 50.5% | 40.4% | +10.1% | |
| SA3 | 19.8% | 29.7% | -9.9% | |
| SA2 | 16.8% | 22.2% | -5.4% | |
| CA | 12.9% | 7.7% | +5.1% | |
| 版边压制 | 7.30 | 10.80 | -3.50 | |
| 被困版边时间 | 11.20 | 8.60 | +2.60 | |
| 斗气技 | 23.9% | 22.2% | +1.7% | |
| 斗气防御 | 14.1% | 14.7% | -0.6% | |
| 投技 | 1.70 | 2.29 | -0.59 | |
| 斗气迸放消耗 | 2.2% | 1.7% | +0.5% | |
| 斗气前冲（招架） | 6.8% | 7.3% | -0.5% | |
| 精准招架 | 0.40 | 0.71 | -0.31 | |
| 斗气招架 | 1.30 | 1.55 | -0.25 | |
| 斗气反攻 | 0.10 | 0.24 | -0.14 | |
| 拆投 | 0.60 | 0.49 | +0.11 | |
| 受到投技 | 2.30 | 2.20 | +0.10 | |
| 斗气迸放 | 0.10 | 0.17 | -0.07 | |
| 造成昏厥 | 0.00 | 0.07 | -0.07 | |
| 受到昏厥 | 0.00 | 0.03 | -0.03 | |
| 受到惩罚反击 | 0.10 | 0.08 | +0.02 | |
| 招架时被投 | 0.20 | 0.21 | -0.01 | |
| 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。
C. Viper · 最近100场
需要改进的地方
检查近距离选择
投技：档案 1.6 · 参考 2.28
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 1.6 · 参考 2.28
- 拆投：档案 0.7 · 参考 0.47
- 受到投技：档案 2.2 · 参考 2.19
追踪位置得失的过程
版边压制：档案 8.3 · 参考 11.07
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 8.3 · 参考 11.07
- 被困版边时间：档案 10.6 · 参考 8.66
明确每次量表消耗的目的
SA3：档案 37.3% · 参考 26.8%
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
- SA3：档案 37.3% · 参考 26.8%
- SA2：档案 14.7% · 参考 21.5%
- 斗气技：档案 24.7% · 参考 23.2%
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7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Char 253：2,148场中获胜1,100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 253：2,148场中获胜1,100场
- 对阵Luke：167场中获胜87场
- 对阵Ryu：165场中获胜101场
区分持续倾向与偶发失误
已保存的近期排位赛样本：100场中获胜59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：100场中获胜59场
寻找可重复利用的反击机会
受到惩罚反击：档案 0.1 · 参考 0.07
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 0.1 · 参考 0.07
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7日 · AI：dots-studio/dots-3-note-preview:free