最近一场对战
失败休闲赛
ZA
AL
KE更新于7天前
CrossPlatform
JapanM100%
CrossPlatformJapanM100%trqn03
Let's Do This
LP 23,800最近 10 场5–5最近 20 场11–9
胜率
38%
28 胜 · 46 负 · 已存 74 场
排位赛对战
74
已选模式
胜场
28
排位赛
负场
46
排位赛
最高 LP
24,554
Ken
排位 LP · Ken
此角色的 LP 走势
尚未请求回放
ZAALKE按差值绝对值从大到小排列23 项习惯
| 习惯 | trqn03 | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气前冲（取消） | 12.8% | 38.2% | -25.4% | |
| SA2 | 12.2% | 25.9% | -13.6% | |
| 斗气技 | 26.0% | 14.9% | +11.0% | |
| SA1 | 36.7% | 27.3% | +9.5% | |
| 斗气前冲（招架） | 12.5% | 6.8% | +5.8% | |
| 斗气迸放消耗 | 7.0% | 1.4% | +5.6% | |
| SA3 | 40.8% | 35.8% | +5.0% | |
| 斗气防御 | 17.3% | 12.7% | +4.6% | |
| 被困版边时间 | 6.50 | 8.95 | -2.45 | |
| 版边压制 | 10.70 | 13.12 | -2.42 | |
| 斗气招架 | 1.00 | 1.89 | -0.89 | |
| CA | 10.2% | 11.0% | -0.8% | |
| 受到投技 | 1.50 | 2.26 | -0.76 | |
| 精准招架 | 0.20 | 0.84 | -0.64 | |
| 斗气迸放 | 0.60 | 0.19 | +0.41 | |
| 惩罚反击命中 | 0.50 | 0.10 | +0.40 | |
| 斗气反攻 | 0.60 | 0.23 | +0.37 | |
| 拆投 | 0.10 | 0.44 | -0.34 | |
| 受到惩罚反击 | 0.40 | 0.08 | +0.32 | |
| 招架时被投 | 0.40 | 0.21 | +0.19 | |
| 造成昏厥 | 0.00 | 0.07 | -0.07 | |
| 受到昏厥 | 0.10 | 0.05 | +0.05 | |
| 投技 | 2.60 | 2.57 | +0.03 |
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。
Ken · 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 0.4 · 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 0.4 · 参考 0.09
- 惩罚反击命中：档案 0.5 · 参考 0.11
让斗气迸放有明确目的
斗气迸放：档案 0.6 · 参考 0.18
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 0.6 · 参考 0.18
- 斗气迸放消耗：档案 7% · 参考 1.3%
复盘防守决策
斗气招架：档案 1 · 参考 1.97
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 1 · 参考 1.97
- 精准招架：档案 0.2 · 参考 0.79
- 斗气反攻：档案 0.6 · 参考 0.21
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7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 253：505场中获胜243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 253：505场中获胜243场
- 对阵Yasmine：78场中获胜38场
- 对阵Luke：56场中获胜26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7日 · AI：dots-studio/dots-3-note-preview:free