最近一场对战
胜利排位赛
MA
ELMA更新于1周前
Steam
Japan俱乐部 · KyotoSF6C100%
SteamJapan俱乐部 · KyotoSF6C100%Rainycolor*
Friendship!
MR 1,810#7,534最近 10 场8–2+48最近 20 场15–5+74
胜率
55%
65 胜 · 53 负 · 已存 118 场
排位赛对战
118
已选模式
胜场
65
排位赛
负场
53
排位赛
最高 MR
2,066
Mai
排位 MR · Mai
本地 118 · 导入 0 · 图表显示 118 · 已存 127 场对战
尚未请求回放
MAELMA按差值绝对值从大到小排列23 项习惯
| 习惯 | Rainycolor* | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气前冲（取消） | 19.7% | 29.4% | -9.7% | |
| SA1 | 63.2% | 54.6% | +8.7% | |
| SA3 | 14.0% | 18.6% | -4.7% | |
| 斗气技 | 26.4% | 22.7% | +3.7% | |
| SA2 | 17.6% | 20.2% | -2.5% | |
| 斗气防御 | 15.8% | 13.4% | +2.4% | |
| 被困版边时间 | 11.70 | 9.32 | +2.38 | |
| 版边压制 | 11.20 | 12.99 | -1.79 | |
| CA | 5.1% | 6.6% | -1.5% | |
| 斗气迸放消耗 | 0.5% | 1.3% | -0.8% | |
| 斗气招架 | 2.40 | 1.87 | +0.53 | |
| 精准招架 | 1.10 | 0.70 | +0.40 | |
| 受到投技 | 2.60 | 2.23 | +0.37 | |
| 拆投 | 0.20 | 0.46 | -0.26 | |
| 投技 | 2.30 | 2.49 | -0.19 | |
| 斗气前冲（招架） | 7.3% | 7.5% | -0.2% | |
| 惩罚反击命中 | 0.00 | 0.10 | -0.10 | |
| 斗气反攻 | 0.10 | 0.19 | -0.09 | |
| 斗气迸放 | 0.10 | 0.19 | -0.09 | |
| 受到惩罚反击 | 0.00 | 0.07 | -0.07 | |
| 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 | 0.30 | 0.26 | +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。
Mai · 最近100场
需要改进的地方
复盘防守决策
精准招架：档案 1.1 · 参考 0.67
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
- 精准招架：档案 1.1 · 参考 0.67
- 斗气招架：档案 2.4 · 参考 1.69
- 斗气反攻：档案 0.1 · 参考 0.15
让斗气迸放有明确目的
斗气迸放：档案 0.1 · 参考 0.16
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 0.1 · 参考 0.16
- 斗气迸放消耗：档案 0.5% · 参考 1.2%
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Luke：186场中获胜95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：186场中获胜95场
- 对阵Akuma：136场中获胜64场
区分持续倾向与偶发失误
已保存的近期排位赛样本：92场中获胜47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：92场中获胜47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