最近一场对战
胜利排位赛
MA
C.MA更新于1天前
Steam
JapanM100%
SteamJapanM100%もりのひと
You've Got This, Juri!
MR 1,444#463,646最近 10 场10–0+78最近 20 场17–3+113
胜率
57%
35 胜 · 26 负 · 已存 61 场
排位赛对战
61
已选模式
胜场
35
排位赛
负场
26
排位赛
最高 MR
1,444
Marisa
排位 MR · Marisa
本地 61 · 导入 94 · 图表显示 96 · 已存 102 场对战
尚未请求回放
MAC.MA按差值绝对值从大到小排列23 项习惯
| 习惯 | もりのひと | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气前冲（取消） | 15.4% | 29.3% | -13.9% | |
| SA3 | 25.0% | 32.8% | -7.8% | |
| 斗气迸放消耗 | 9.5% | 1.8% | +7.7% | |
| 斗气技 | 26.3% | 19.0% | +7.4% | |
| CA | 12.5% | 7.3% | +5.2% | |
| SA1 | 46.3% | 41.8% | +4.5% | |
| 版边压制 | 7.40 | 10.02 | -2.62 | |
| 斗气防御 | 12.0% | 14.5% | -2.5% | |
| SA2 | 16.3% | 18.1% | -1.9% | |
| 斗气招架 | 0.60 | 1.56 | -0.96 | |
| 斗气前冲（招架） | 9.5% | 8.9% | +0.6% | |
| 精准招架 | 0.10 | 0.59 | -0.49 | |
| 斗气反攻 | 0.80 | 0.33 | +0.47 | |
| 被困版边时间 | 7.40 | 7.86 | -0.46 | |
| 斗气迸放 | 0.60 | 0.20 | +0.40 | |
| 拆投 | 0.20 | 0.54 | -0.34 | |
| 惩罚反击命中 | 0.40 | 0.11 | +0.29 | |
| 受到惩罚反击 | 0.40 | 0.11 | +0.29 | |
| 受到昏厥 | 0.20 | 0.03 | +0.17 | |
| 受到投技 | 2.10 | 2.20 | -0.10 | |
| 招架时被投 | 0.20 | 0.28 | -0.08 | |
| 投技 | 2.00 | 2.03 | -0.03 | |
| 造成昏厥 | 0.10 | 0.09 | +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
找出惩罚反击的原因
受到惩罚反击：档案 0.4 · 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 0.4 · 参考 0.11
- 惩罚反击命中：档案 0.4 · 参考 0.11
让斗气迸放有明确目的
斗气迸放：档案 0.6 · 参考 0.2
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 0.6 · 参考 0.2
- 斗气迸放消耗：档案 9.5% · 参考 1.8%
研究反复出现的角色对局场景
对阵Yasmine：25场中获胜8场
用引用的角色对战记录选择要看的录像，寻找多场败局中重复的决策，并与胜局比较后再下结论。
试试这样做选择对阵该角色时反复出现的一个场景，在训练中验证替代应对，并记录接下来五场中的这一判断。
数据依据
- 对阵Yasmine：25场中获胜8场
- 对阵Alex：74场中获胜24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13日 · AI：nex-agi/nex-n2.5-pro:free
如何应对这位玩家
验证斗气迸放倾向
斗气迸放：档案 0.6 · 参考 0.2
观察特定场景下是否反复出现斗气迸放。考虑距离、硬直和量表，准备在训练中验证过的应对。
试试这样做再次进入该场景时，采用更少暴露破绽的行动。如果迸放出现，就使用练过的应对；如果没有，就回到常规计划。
数据依据
- 斗气迸放：档案 0.6 · 参考 0.2
- 斗气迸放消耗：档案 9.5% · 参考 1.8%
寻找可重复利用的反击机会
受到惩罚反击：档案 0.4 · 参考 0.11
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 0.4 · 参考 0.11
- 惩罚反击命中：档案 0.4 · 参考 0.11
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13日 · AI：nex-agi/nex-n2.5-pro:free