最近一场对战
胜利排位赛
MA
JPMA更新于7天前
Steam
JapanC100%
SteamJapanC100%プレイランドキング七条店
Ozeki
MR 1,605#73,939最近 10 场8–2+44最近 20 场12–8+26
胜率
51%
32 胜 · 31 负 · 已存 63 场
排位赛对战
63
已选模式
胜场
32
排位赛
负场
31
排位赛
最高 MR
1,616
Mai
排位 MR · Mai
本地 63 · 导入 0 · 图表显示 63 · 已存 63 场对战
尚未请求回放
MAJPMA按差值绝对值从大到小排列23 项习惯
| 习惯 | プレイランドキング七条店 | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA3 | 23.5% | 18.6% | +4.9% | |
| SA1 | 50.6% | 54.6% | -4.0% | |
| 斗气迸放消耗 | 3.3% | 1.3% | +1.9% | |
| 投技 | 4.10 | 2.49 | +1.61 | |
| 斗气防御 | 14.8% | 13.4% | +1.4% | |
| SA2 | 18.8% | 20.2% | -1.3% | |
| 斗气前冲（取消） | 28.2% | 29.4% | -1.2% | |
| 版边压制 | 11.90 | 12.99 | -1.09 | |
| 被困版边时间 | 8.60 | 9.32 | -0.72 | |
| 斗气招架 | 2.50 | 1.87 | +0.63 | |
| 受到投技 | 2.70 | 2.23 | +0.47 | |
| CA | 7.1% | 6.6% | +0.4% | |
| 斗气前冲（招架） | 7.9% | 7.5% | +0.4% | |
| 精准招架 | 0.30 | 0.70 | -0.40 | |
| 斗气技 | 22.4% | 22.7% | -0.4% | |
| 斗气反攻 | 0.00 | 0.19 | -0.19 | |
| 招架时被投 | 0.40 | 0.26 | +0.14 | |
| 受到昏厥 | 0.00 | 0.05 | -0.05 | |
| 拆投 | 0.50 | 0.46 | +0.04 | |
| 造成昏厥 | 0.10 | 0.06 | +0.04 | |
| 受到惩罚反击 | 0.10 | 0.07 | +0.03 | |
| 斗气迸放 | 0.20 | 0.19 | +0.01 | |
| 惩罚反击命中 | 0.10 | 0.10 | -0.00 |
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。
Mai · 最近100场
需要改进的地方
检查近距离选择
投技：档案 4.1 · 参考 2.57
回看五次近距离交锋，区分投技机会、投技尝试和防守选择。仅靠汇总次数无法判断当时的正确答案。
试试这样做在重复场景中记录打击和投技，练习选定的应对，再检查自己能否在实战中有意识地做出判断。
数据依据
- 投技：档案 4.1 · 参考 2.57
- 受到投技：档案 2.7 · 参考 2.11
- 拆投：档案 0.5 · 参考 0.47
找出惩罚反击的原因
惩罚反击命中：档案 0.1 · 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
- 惩罚反击命中：档案 0.1 · 参考 0.11
复盘防守决策
斗气招架：档案 2.5 · 参考 1.69
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 2.5 · 参考 1.69
- 精准招架：档案 0.3 · 参考 0.67
- 斗气反攻：档案 0 · 参考 0.15
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Yasmine：73场中获胜41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Yasmine：73场中获胜41场
- 对阵Ken：57场中获胜31场
- 对阵Akuma：54场中获胜32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