最近一场对战
胜利排位赛
A.
AKA.更新于21小时前
Steam
JapanC100%
SteamJapanC100%nell
Oni Protector
MR 1,384#551,308最近 10 场5–5+1最近 20 场10–10+2
胜率
50%
79 胜 · 80 负 · 已存 159 场
排位赛对战
159
已选模式
胜场
79
排位赛
负场
80
排位赛
最高 MR
1,522
A.K.I.
排位 MR · A.K.I.
本地 159 · 导入 0 · 图表显示 159 · 已存 159 场对战
尚未请求回放
A.AKA.按差值绝对值从大到小排列23 项习惯
| 习惯 | nell | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气技 | 2.8% | 21.0% | -18.3% | |
| SA3 | 46.7% | 30.6% | +16.1% | |
| SA1 | 22.2% | 37.8% | -15.6% | |
| SA2 | 15.6% | 22.0% | -6.4% | |
| CA | 15.6% | 9.6% | +5.9% | |
| 斗气前冲（招架） | 16.8% | 11.0% | +5.8% | |
| 斗气防御 | 20.5% | 17.0% | +3.5% | |
| 被困版边时间 | 8.70 | 9.83 | -1.13 | |
| 斗气招架 | 0.90 | 1.93 | -1.03 | |
| 投技 | 1.60 | 2.34 | -0.74 | |
| 斗气前冲（取消） | 24.0% | 23.3% | +0.7% | |
| 斗气迸放消耗 | 2.3% | 1.8% | +0.5% | |
| 精准招架 | 0.20 | 0.60 | -0.40 | |
| 版边压制 | 11.00 | 11.29 | -0.29 | |
| 斗气迸放 | 0.00 | 0.24 | -0.24 | |
| 受到投技 | 2.50 | 2.30 | +0.20 | |
| 拆投 | 0.70 | 0.52 | +0.18 | |
| 招架时被投 | 0.10 | 0.22 | -0.12 | |
| 惩罚反击命中 | 0.00 | 0.12 | -0.12 | |
| 斗气反攻 | 0.30 | 0.40 | -0.10 | |
| 受到惩罚反击 | 0.20 | 0.11 | +0.09 | |
| 受到昏厥 | 0.00 | 0.04 | -0.04 | |
| 造成昏厥 | 0.10 | 0.08 | +0.02 |
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。
A.K.I. · 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 0.2 · 参考 0.1
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 0.2 · 参考 0.1
- 惩罚反击命中：档案 0 · 参考 0.1
检查近距离选择
投技：档案 1.4 · 参考 2.31
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 1.4 · 参考 2.31
- 受到投技：档案 2.5 · 参考 2.33
让斗气迸放有明确目的
斗气迸放：档案 0.1 · 参考 0.21
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 0.21
- 斗气迸放消耗：档案 2.7% · 参考 1.6%
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9日 · AI：nex-agi/nex-n2.5-pro:free
如何应对这位玩家
把对局战绩当作观察线索
对阵Yasmine：82场中获胜36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：82场中获胜36场
试探近距离模式
受到投技：档案 2.5 · 参考 2.33
观察实际的打击、投技和防守选择。出现倾向后，再改变熟悉攻防中的一个部分。
试试这样做同样的反应连续出现两次后，尝试不同选择。如果对方改变反应，就重新混合选项，不要认定这个模式永远有效。
数据依据
- 受到投技：档案 2.5 · 参考 2.33
- 拆投：档案 0.4 · 参考 0.53
先试探实际防守反应
斗气招架：档案 0.9 · 参考 1.77
尝试一次熟悉的压制场景并观察真实反应，再据此变化下一次选择。不要把事件次数当作成功率。
试试这样做在理解的局面中尝试常用的打投选择。只在反应稳定时继续针对；对方开始调整时，就改变节奏或重新拉开。
数据依据
- 斗气招架：档案 0.9 · 参考 1.77
- 精准招架：档案 0.1 · 参考 0.54
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9日 · AI：nex-agi/nex-n2.5-pro:free