最近一场对战
胜利排位赛
GU
DEGU更新于1周前
CrossPlatform
OtherC100%
CrossPlatformOtherC100%sara
Let's Do This
MR 1,307#548,041最近 10 场8–2+52最近 20 场13–7+53
胜率
55%
27 胜 · 22 负 · 已存 49 场
排位赛对战
49
已选模式
胜场
27
排位赛
负场
22
排位赛
最高 MR
1,397
Guile
排位 MR · Guile
本地 49 · 导入 0 · 图表显示 49 · 已存 49 场对战
尚未请求回放
GUDEGU按差值绝对值从大到小排列23 项习惯
| 习惯 | sara | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA3 | 65.5% | 20.5% | +45.1% | |
| SA1 | 17.2% | 47.2% | -29.9% | |
| SA2 | 0.0% | 27.1% | -27.1% | |
| 斗气前冲（取消） | 13.4% | 29.7% | -16.4% | |
| CA | 17.2% | 5.3% | +12.0% | |
| 斗气技 | 28.6% | 17.7% | +10.9% | |
| 版边压制 | 5.80 | 9.03 | -3.23 | |
| 斗气前冲（招架） | 11.3% | 9.4% | +1.9% | |
| 斗气防御 | 12.9% | 14.7% | -1.8% | |
| 斗气招架 | 0.20 | 1.68 | -1.48 | |
| 斗气迸放消耗 | 3.0% | 1.6% | +1.3% | |
| 被困版边时间 | 10.60 | 9.86 | +0.74 | |
| 投技 | 1.20 | 1.87 | -0.67 | |
| 精准招架 | 0.00 | 0.57 | -0.57 | |
| 受到投技 | 2.50 | 1.97 | +0.53 | |
| 斗气反攻 | 0.00 | 0.21 | -0.21 | |
| 受到惩罚反击 | 0.30 | 0.11 | +0.19 | |
| 拆投 | 0.30 | 0.39 | -0.09 | |
| 斗气迸放 | 0.30 | 0.21 | +0.09 | |
| 惩罚反击命中 | 0.20 | 0.12 | +0.08 | |
| 造成昏厥 | 0.00 | 0.06 | -0.06 | |
| 受到昏厥 | 0.00 | 0.05 | -0.05 | |
| 招架时被投 | 0.20 | 0.24 | -0.04 |
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。
Guile · 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 0.11
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 0.3 · 参考 0.11
复盘防守决策
斗气招架：档案 0.2 · 参考 1.79
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 0.2 · 参考 1.79
- 精准招架：档案 0 · 参考 0.63
- 斗气反攻：档案 0 · 参考 0.14
明确每次量表消耗的目的
SA3：档案 65.5% · 参考 23.3%
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 65.5% · 参考 23.3%
- CA：档案 17.2% · 参考 6.3%
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5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Char 253：1,206场中获胜584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Char 253：1,206场中获胜584场
区分持续倾向与偶发失误
已保存的近期排位赛样本：36场中获胜18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：36场中获胜18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5日 · AI：dots-studio/dots-3-note-preview:free