最近一场对战
胜利排位赛
AL
ZAAL更新于1天前
CrossPlatform
JapanC100%
CrossPlatformJapanC100%AnB_428
A-ISM
MR 1,346#577,077最近 10 场5–5-7最近 20 场10–10-7
胜率
49%
40 胜 · 42 负 · 已存 82 场
排位赛对战
82
已选模式
胜场
40
排位赛
负场
42
排位赛
最高 MR
1,406
Alex
排位 MR · Alex
本地 82 · 导入 78 · 图表显示 102 · 已存 82 场对战
尚未请求回放
ALZAAL按差值绝对值从大到小排列23 项习惯
| 习惯 | AnB_428 | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气技 | 4.8% | 14.2% | -9.4% | |
| SA1 | 49.5% | 43.0% | +6.5% | |
| 斗气前冲（取消） | 37.3% | 33.0% | +4.3% | |
| 版边压制 | 5.30 | 9.01 | -3.71 | |
| SA3 | 18.9% | 22.1% | -3.2% | |
| 被困版边时间 | 6.80 | 9.88 | -3.08 | |
| 斗气迸放消耗 | 4.2% | 1.7% | +2.5% | |
| CA | 4.2% | 6.5% | -2.3% | |
| 斗气前冲（招架） | 9.9% | 8.2% | +1.7% | |
| SA2 | 27.4% | 28.4% | -1.0% | |
| 精准招架 | 0.10 | 0.70 | -0.60 | |
| 斗气防御 | 13.7% | 14.1% | -0.5% | |
| 斗气招架 | 1.20 | 1.63 | -0.43 | |
| 斗气迸放 | 0.50 | 0.20 | +0.30 | |
| 惩罚反击命中 | 0.30 | 0.12 | +0.18 | |
| 受到投技 | 2.30 | 2.12 | +0.18 | |
| 投技 | 2.50 | 2.32 | +0.18 | |
| 受到惩罚反击 | 0.20 | 0.12 | +0.08 | |
| 拆投 | 0.40 | 0.48 | -0.08 | |
| 造成昏厥 | 0.00 | 0.07 | -0.07 | |
| 斗气反攻 | 0.40 | 0.47 | -0.07 | |
| 受到昏厥 | 0.10 | 0.05 | +0.05 | |
| 招架时被投 | 0.30 | 0.29 | +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。
Alex · 最近100场
需要改进的地方
复盘防守决策
斗气招架：档案 0.7 · 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 0.7 · 参考 1.63
- 精准招架：档案 0 · 参考 0.7
找出惩罚反击的原因
受到惩罚反击：档案 0.2 · 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 0.2 · 参考 0.12
追踪位置得失的过程
版边压制：档案 6.9 · 参考 9.01
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 6.9 · 参考 9.01
- 被困版边时间：档案 8 · 参考 9.88
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：nex-agi/nex-n2.5-mini:free
如何应对这位玩家
把对局战绩当作观察线索
对阵Jamie：42场中获胜25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Jamie：42场中获胜25场
- 对阵Ryu：34场中获胜9场
- 对阵Ingrid：30场中获胜25场
区分持续倾向与偶发失误
已保存的近期排位赛样本：21场中获胜14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：21场中获胜14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：nex-agi/nex-n2.5-mini:free