最近一场对战
JPゆずれんも
排位 MR · JP
本地 150 · 导入 0 · 图表显示 150 · 已存 150 场对战
| 习惯 | ゆずれんも | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 42.3% | 56.6% | -14.4% | |
| CA | 18.3% | 5.0% | +13.3% | |
| 版边压制 | 7.80 | 10.77 | -2.97 | |
| 斗气防御 | 10.6% | 12.8% | -2.2% | |
| 斗气技 | 33.8% | 32.1% | +1.7% | |
| 斗气迸放消耗 | 3.5% | 2.1% | +1.4% | |
| 斗气招架 | 0.90 | 2.07 | -1.17 | |
| 斗气前冲(取消) | 22.0% | 23.1% | -1.1% | |
| 斗气前冲(招架) | 7.6% | 6.5% | +1.0% | |
| 精准招架 | 0.20 | 0.79 | -0.59 | |
| SA3 | 19.7% | 19.2% | +0.5% | |
| 受到投技 | 1.60 | 2.13 | -0.53 | |
| SA1 | 19.7% | 19.2% | +0.5% | |
| 拆投 | 0.10 | 0.39 | -0.29 | |
| 受到惩罚反击 | 0.30 | 0.08 | +0.22 | |
| 斗气反攻 | 0.30 | 0.13 | +0.17 | |
| 招架时被投 | 0.30 | 0.41 | -0.11 | |
| 投技 | 1.90 | 1.97 | -0.07 | |
| 惩罚反击命中 | 0.20 | 0.13 | +0.07 | |
| 受到昏厥 | 0.10 | 0.04 | +0.06 | |
| 斗气迸放 | 0.30 | 0.34 | -0.04 | |
| 被困版边时间 | 12.00 | 12.04 | -0.04 | |
| 造成昏厥 | 0.10 | 0.09 | +0.01 |
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。
JP · 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 0.08
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 0.08
- 惩罚反击命中:档案 0.3 · 参考 0.13
明确每次量表消耗的目的
SA1:档案 4% · 参考 19.2%
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
- SA1:档案 4% · 参考 19.2%
- SA2:档案 70% · 参考 56.6%
- SA3:档案 22% · 参考 19.2%
追踪位置得失的过程
版边压制:档案 7.8 · 参考 10.77
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 7.8 · 参考 10.77
- 被困版边时间:档案 13.2 · 参考 12.04
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 0.5 · 参考 0.13
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 0.5 · 参考 0.13
- 精准招架:档案 0.3 · 参考 0.79
- 斗气招架:档案 1 · 参考 2.07
区分持续倾向与偶发失误
已保存的近期排位赛样本:86场中获胜38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:86场中获胜38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

