最近一场对战
失败自定义房间
TE
LUTE更新于19小时前
CrossPlatform
Japan俱乐部 · SSCCC100%
CrossPlatformJapan俱乐部 · SSCCC100%ただのモブ
My Fangs are Sharp
MR 1,402#539,788最近 10 场8–2+43最近 20 场13–7+42
胜率
50%
50 胜 · 51 负 · 已存 101 场
排位赛对战
101
已选模式
胜场
50
排位赛
负场
51
排位赛
最高 MR
1,402
Terry
排位 MR · Terry
本地 101 · 导入 0 · 图表显示 101 · 已存 311 场对战
尚未请求回放
TELUTE按差值绝对值从大到小排列23 项习惯
| 习惯 | ただのモブ | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气前冲（取消） | 52.4% | 33.4% | +19.0% | |
| SA2 | 7.5% | 24.5% | -17.0% | |
| CA | 20.8% | 9.0% | +11.8% | |
| 斗气技 | 7.1% | 16.3% | -9.2% | |
| SA3 | 37.7% | 32.8% | +4.9% | |
| 斗气防御 | 9.4% | 14.3% | -4.9% | |
| 版边压制 | 8.80 | 12.45 | -3.65 | |
| 斗气前冲（招架） | 6.0% | 8.2% | -2.2% | |
| 被困版边时间 | 11.80 | 9.65 | +2.15 | |
| 斗气招架 | 1.00 | 1.89 | -0.89 | |
| 斗气迸放消耗 | 0.9% | 1.6% | -0.8% | |
| 精准招架 | 0.20 | 0.80 | -0.60 | |
| 拆投 | 0.10 | 0.43 | -0.33 | |
| SA1 | 34.0% | 33.6% | +0.3% | |
| 受到投技 | 2.40 | 2.21 | +0.19 | |
| 受到昏厥 | 0.20 | 0.05 | +0.15 | |
| 投技 | 2.60 | 2.49 | +0.11 | |
| 斗气迸放 | 0.10 | 0.21 | -0.11 | |
| 受到惩罚反击 | 0.20 | 0.09 | +0.11 | |
| 斗气反攻 | 0.10 | 0.17 | -0.07 | |
| 招架时被投 | 0.20 | 0.26 | -0.06 | |
| 造成昏厥 | 0.10 | 0.07 | +0.03 | |
| 惩罚反击命中 | 0.10 | 0.12 | -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。
Terry · 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 0.2 · 参考 0.09
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 0.09
明确每次量表消耗的目的
SA2：档案 7.5% · 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
- SA2：档案 7.5% · 参考 24.5%
- CA：档案 20.8% · 参考 9%
- 斗气技：档案 7.1% · 参考 16.3%
复盘防守决策
拆投：档案 0.1 · 参考 0.43
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
- 拆投：档案 0.1 · 参考 0.43
- 精准招架：档案 0.2 · 参考 0.8
- 斗气招架：档案 1 · 参考 1.89
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14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：482场中获胜86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：482场中获胜86场
- 对阵Mai：222场中获胜58场
- 对阵Akuma：210场中获胜98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14日 · AI：dots-studio/dots-3-note-preview:free