最近一场对战
失败排位赛
LU
MALU更新于6小时前
CrossPlatform
JapanM100%
CrossPlatformJapanM100%けいとヨッシーTwitch
Fights for Love
MR 1,480#378,250最近 10 场4–6-16最近 20 场7–13-46
胜率
44%
27 胜 · 35 负 · 已存 62 场
排位赛对战
62
已选模式
胜场
27
排位赛
负场
35
排位赛
最高 MR
1,596
Luke
排位 MR · Luke
本地 62 · 导入 0 · 图表显示 62 · 已存 98 场对战
尚未请求回放
LUMALU按差值绝对值从大到小排列23 项习惯
| 习惯 | けいとヨッシーTwitch | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 2.9% | 26.0% | -23.2% | |
| SA1 | 45.7% | 30.6% | +15.1% | |
| 斗气前冲（取消） | 51.4% | 37.3% | +14.1% | |
| CA | 20.0% | 9.2% | +10.8% | |
| 斗气技 | 6.6% | 16.7% | -10.0% | |
| 斗气防御 | 9.0% | 13.2% | -4.2% | |
| 版边压制 | 9.40 | 13.55 | -4.15 | |
| 被困版边时间 | 11.50 | 8.74 | +2.76 | |
| SA3 | 31.4% | 34.2% | -2.7% | |
| 斗气前冲（招架） | 5.9% | 7.6% | -1.7% | |
| 斗气招架 | 1.00 | 1.80 | -0.80 | |
| 精准招架 | 0.30 | 0.69 | -0.39 | |
| 拆投 | 0.70 | 0.37 | +0.33 | |
| 斗气迸放消耗 | 1.1% | 1.4% | -0.3% | |
| 斗气反攻 | 0.00 | 0.20 | -0.20 | |
| 受到惩罚反击 | 0.20 | 0.06 | +0.14 | |
| 招架时被投 | 0.10 | 0.22 | -0.12 | |
| 受到投技 | 2.10 | 2.01 | +0.09 | |
| 斗气迸放 | 0.10 | 0.19 | -0.09 | |
| 投技 | 2.50 | 2.43 | +0.07 | |
| 受到昏厥 | 0.00 | 0.06 | -0.06 | |
| 造成昏厥 | 0.10 | 0.07 | +0.03 | |
| 惩罚反击命中 | 0.10 | 0.08 | +0.02 |
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。
Luke · 最近100场
需要改进的地方
让斗气迸放有明确目的
斗气迸放：档案 0.2 · 参考 0.17
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 0.2 · 参考 0.17
- 斗气迸放消耗：档案 1% · 参考 1.3%
复盘防守决策
斗气招架：档案 0.6 · 参考 1.82
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 0.6 · 参考 1.82
- 精准招架：档案 0.2 · 参考 0.71
- 斗气反攻：档案 0 · 参考 0.2
追踪位置得失的过程
版边压制：档案 12.1 · 参考 14.11
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 12.1 · 参考 14.11
- 被困版边时间：档案 9.3 · 参考 8.66
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6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Luke：156场中获胜60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Luke：156场中获胜60场
- 对阵Akuma：62场中获胜30场
- 对阵Alex：45场中获胜22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6日 · AI：dots-studio/dots-3-note-preview:free