最近一场对战
失败排位赛
DH
ALDH更新于6天前
Steam
Japan俱乐部 · GandharaEmpireC97%
SteamJapan俱乐部 · GandharaEmpireC97%ネオアンチ
YOGAAAAAAAAA
MR 1,836#5,731最近 10 场5–5-1最近 20 场10–10-5
胜率
47%
14 胜 · 16 负 · 已存 30 场
排位赛对战
30
已选模式
胜场
14
排位赛
负场
16
排位赛
最高 MR
1,897
Dhalsim
排位 MR · Dhalsim
本地 29 · 导入 0 · 图表显示 29 · 已存 34 场对战
尚未请求回放
DHALDH按差值绝对值从大到小排列23 项习惯
| 习惯 | ネオアンチ | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA3 | 53.5% | 24.5% | +29.0% | |
| SA1 | 29.6% | 53.6% | -24.0% | |
| SA2 | 1.4% | 15.0% | -13.6% | |
| CA | 15.5% | 6.9% | +8.6% | |
| 斗气前冲（取消） | 38.6% | 30.7% | +8.0% | |
| 斗气技 | 13.7% | 21.5% | -7.9% | |
| 被困版边时间 | 17.90 | 12.39 | +5.51 | |
| 斗气防御 | 8.2% | 12.9% | -4.6% | |
| 版边压制 | 3.50 | 7.51 | -4.01 | |
| 斗气前冲（招架） | 3.9% | 7.3% | -3.4% | |
| 斗气反攻 | 1.30 | 0.56 | +0.74 | |
| 斗气招架 | 1.10 | 1.69 | -0.59 | |
| 受到投技 | 2.60 | 2.06 | +0.54 | |
| 投技 | 2.30 | 1.81 | +0.49 | |
| 拆投 | 0.80 | 0.42 | +0.38 | |
| 斗气迸放消耗 | 1.4% | 1.7% | -0.3% | |
| 精准招架 | 0.30 | 0.47 | -0.17 | |
| 造成昏厥 | 0.00 | 0.07 | -0.07 | |
| 受到昏厥 | 0.10 | 0.05 | +0.05 | |
| 招架时被投 | 0.20 | 0.25 | -0.05 | |
| 惩罚反击命中 | 0.10 | 0.14 | -0.04 | |
| 斗气迸放 | 0.20 | 0.23 | -0.03 | |
| 受到惩罚反击 | 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。
Dhalsim · 最近100场
需要改进的地方
复盘防守决策
斗气反攻：档案 1.3 · 参考 0.56
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 1.3 · 参考 0.56
- 拆投：档案 0.8 · 参考 0.42
追踪位置得失的过程
被困版边时间：档案 17.9 · 参考 12.39
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
- 被困版边时间：档案 17.9 · 参考 12.39
- 版边压制：档案 3.5 · 参考 7.51
明确每次量表消耗的目的
SA3：档案 53.5% · 参考 24.5%
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 53.5% · 参考 24.5%
- CA：档案 15.5% · 参考 6.9%
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8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 1.3 · 参考 0.56
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 1.3 · 参考 0.56
- 拆投：档案 0.8 · 参考 0.42
保持压力但不过度冒进
被困版边时间：档案 17.9 · 参考 12.39
寻找用熟悉选择获取空间的机会。把对手逼到角落后，先观察实际脱身方式，再决定如何调整。
试试这样做试一次熟悉的压制。如果同一种脱身反复出现，就练习针对该动作的应对；如果对方变化防守，就不要押注单一判断。
数据依据
- 被困版边时间：档案 17.9 · 参考 12.39
- 版边压制：档案 3.5 · 参考 7.51
把对局战绩当作观察线索
对阵Ryu：55场中获胜29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：55场中获胜29场
- 对阵Luke：50场中获胜27场
- 对阵Alex：43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8日 · AI：dots-studio/dots-3-note-preview:free