最近一场对战
胜利排位赛
C.
KEC.更新于9小时前
Steam
New ZealandC100%
SteamNew ZealandC100%之死靡它
Now THAT's Psycho!
LP 19,066最近 10 场9–1最近 20 场16–4
胜率
54%
58 胜 · 49 负 · 已存 107 场
排位赛对战
107
已选模式
胜场
58
排位赛
负场
49
排位赛
最高 LP
19,066
C. Viper
排位 LP · C. Viper
此角色的 LP 走势
尚未请求回放
C.KEC.按差值绝对值从大到小排列23 项习惯
| 习惯 | 之死靡它 | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA3 | 60.5% | 29.7% | +30.9% | |
| SA1 | 15.8% | 40.4% | -24.6% | |
| 斗气前冲（取消） | 0.0% | 18.1% | -18.1% | |
| 斗气技 | 11.1% | 22.2% | -11.1% | |
| 斗气迸放消耗 | 12.7% | 1.7% | +11.0% | |
| 斗气防御 | 5.0% | 14.7% | -9.7% | |
| SA2 | 15.8% | 22.2% | -6.4% | |
| 斗气前冲（招架） | 2.2% | 7.3% | -5.0% | |
| 被困版边时间 | 5.80 | 8.60 | -2.80 | |
| 斗气招架 | 0.20 | 1.55 | -1.35 | |
| 受到投技 | 3.30 | 2.20 | +1.10 | |
| 精准招架 | 0.10 | 0.71 | -0.61 | |
| 版边压制 | 10.20 | 10.80 | -0.60 | |
| 受到惩罚反击 | 0.60 | 0.08 | +0.52 | |
| 斗气迸放 | 0.60 | 0.17 | +0.43 | |
| 拆投 | 0.80 | 0.49 | +0.31 | |
| 惩罚反击命中 | 0.40 | 0.10 | +0.30 | |
| 斗气反攻 | 0.00 | 0.24 | -0.24 | |
| CA | 7.9% | 7.7% | +0.1% | |
| 招架时被投 | 0.10 | 0.21 | -0.11 | |
| 投技 | 2.40 | 2.29 | +0.11 | |
| 造成昏厥 | 0.00 | 0.07 | -0.07 | |
| 受到昏厥 | 0.00 | 0.03 | -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。
C. Viper · 最近100场
需要改进的地方
让斗气迸放有明确目的
斗气迸放：档案 0.6 · 参考 0.17
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 0.17
- 斗气迸放消耗：档案 12.7% · 参考 1.7%
找出惩罚反击的原因
受到惩罚反击：档案 0.6 · 参考 0.08
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 0.6 · 参考 0.08
- 惩罚反击命中：档案 0.4 · 参考 0.1
复盘防守决策
斗气反攻：档案 0 · 参考 0.24
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
- 斗气反攻：档案 0 · 参考 0.24
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15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Ken：71场中获胜44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Ken：71场中获胜44场
- 对阵Juri：76场中获胜52场
- 对阵Ryu：74场中获胜40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15日 · AI：dots-studio/dots-3-note-preview:free