最近一场对战
失败排位赛
CA
AL
RA更新于2天前
Steam
JapanM100%
SteamJapanM100%Atsuk1
New to Fighting Games
LP 15,992最近 10 场4–6最近 20 场6–14
胜率
37%
101 胜 · 173 负 · 已存 274 场
排位赛对战
274
已选模式
胜场
101
排位赛
负场
173
排位赛
最高 LP
15,992
Rashid
排位 LP · Rashid
此角色的 LP 走势
尚未请求回放
CAALRA按差值绝对值从大到小排列23 项习惯
| 习惯 | Atsuk1 | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 17.1% | 56.0% | -38.9% | |
| 斗气技 | 55.7% | 20.1% | +35.7% | |
| 斗气前冲（取消） | 2.7% | 32.1% | -29.5% | |
| CA | 30.3% | 4.7% | +25.6% | |
| SA3 | 40.8% | 16.6% | +24.2% | |
| SA1 | 11.8% | 22.7% | -10.8% | |
| 版边压制 | 5.30 | 15.02 | -9.72 | |
| 斗气防御 | 3.7% | 13.0% | -9.3% | |
| 斗气迸放消耗 | 11.3% | 2.0% | +9.3% | |
| 斗气前冲（招架） | 2.0% | 7.4% | -5.5% | |
| 被困版边时间 | 7.00 | 9.52 | -2.52 | |
| 斗气招架 | 0.50 | 1.77 | -1.27 | |
| 斗气迸放 | 1.00 | 0.25 | +0.75 | |
| 精准招架 | 0.00 | 0.61 | -0.61 | |
| 惩罚反击命中 | 0.70 | 0.13 | +0.57 | |
| 斗气反攻 | 0.00 | 0.31 | -0.31 | |
| 招架时被投 | 0.00 | 0.28 | -0.28 | |
| 受到惩罚反击 | 0.30 | 0.11 | +0.19 | |
| 拆投 | 0.20 | 0.37 | -0.17 | |
| 受到投技 | 2.20 | 2.05 | +0.15 | |
| 投技 | 2.50 | 2.64 | -0.14 | |
| 造成昏厥 | 0.00 | 0.10 | -0.10 | |
| 受到昏厥 | 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。
Rashid · 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 1.5 · 参考 0.24
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 1.5 · 参考 0.24
- 斗气迸放消耗：档案 17.3% · 参考 2.1%
找出惩罚反击的原因
惩罚反击命中：档案 0.8 · 参考 0.13
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 0.8 · 参考 0.13
- 受到惩罚反击：档案 0.6 · 参考 0.11
追踪位置得失的过程
版边压制：档案 4.3 · 参考 14.49
回看五次被逼到角落的过程。除了最后的脱身尝试，也要找出更早交出空间的决策，并对照成功压制角落的场景。
试试这样做在训练中重现反复出现的位置，比较常用应对与较少露出破绽的替代选择，再观察下一组对战中进入角落的频率。
数据依据
- 版边压制：档案 4.3 · 参考 14.49
- 被困版边时间：档案 7.9 · 参考 8.96
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6日 · AI：dots-studio/dots-3-note-preview:free
如何应对这位玩家
验证斗气迸放倾向
斗气迸放：档案 1.5 · 参考 0.24
观察特定场景下是否反复出现斗气迸放。考虑距离、硬直和量表，准备在训练中验证过的应对。
试试这样做再次进入该场景时，采用更少暴露破绽的行动。如果迸放出现，就使用练过的应对；如果没有，就回到常规计划。
数据依据
- 斗气迸放：档案 1.5 · 参考 0.24
- 斗气迸放消耗：档案 17.3% · 参考 2.1%
把对局战绩当作观察线索
对阵Char 253：389场中获胜174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 253：389场中获胜174场
- 对阵Luke：39场中获胜12场
- 对阵Akuma：37场中获胜24场
保持压力但不过度冒进
版边压制：档案 4.3 · 参考 14.49
寻找用熟悉选择获取空间的机会。把对手逼到角落后，先观察实际脱身方式，再决定如何调整。
试试这样做试一次熟悉的压制。如果同一种脱身反复出现，就练习针对该动作的应对；如果对方变化防守，就不要押注单一判断。
数据依据
- 版边压制：档案 4.3 · 参考 14.49
- 被困版边时间：档案 7.9 · 参考 8.96
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6日 · AI：dots-studio/dots-3-note-preview:free
Zangief · 最近100场
需要改进的地方
找出惩罚反击的原因
惩罚反击命中：档案 0.8 · 参考 0.19
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 0.8 · 参考 0.19
- 受到惩罚反击：档案 0.6 · 参考 0.13
复盘防守决策
斗气招架：档案 0.3 · 参考 2.09
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 0.3 · 参考 2.09
- 精准招架：档案 0 · 参考 0.77
- 斗气反攻：档案 0 · 参考 0.42
明确每次量表消耗的目的
斗气技：档案 49.9% · 参考 12.9%
看着实际量表回顾五次资源决策，记录换来了什么以及还剩哪些选择。使用占比本身不能衡量效率。
试试这样做练习熟悉连段的资源消耗版本与节省版本，比较结果和剩余量表，再决定各自适用的场景。
数据依据
- 斗气技：档案 49.9% · 参考 12.9%
- SA2：档案 52.8% · 参考 36.6%
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6日 · AI：dots-studio/dots-3-note-preview:free
如何应对这位玩家
验证斗气迸放倾向
斗气迸放：档案 1.5 · 参考 0.27
观察特定场景下是否反复出现斗气迸放。考虑距离、硬直和量表，准备在训练中验证过的应对。
试试这样做再次进入该场景时，采用更少暴露破绽的行动。如果迸放出现，就使用练过的应对；如果没有，就回到常规计划。
数据依据
- 斗气迸放：档案 1.5 · 参考 0.27
- 斗气迸放消耗：档案 17.3% · 参考 2.1%
把对局战绩当作观察线索
对阵Akuma：34场中获胜14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Akuma：34场中获胜14场
- 对阵Ingrid：29场中获胜12场
- 对阵Ryu：27场中获胜9场
区分持续倾向与偶发失误
已保存的近期排位赛样本：27场中获胜11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：27场中获胜11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6日 · AI：dots-studio/dots-3-note-preview:free
Cammy · 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 0.6 · 参考 0.06
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 0.06
- 惩罚反击命中：档案 0.8 · 参考 0.09
让斗气迸放有明确目的
斗气迸放：档案 1.5 · 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 1.5 · 参考 0.16
- 斗气迸放消耗：档案 17.3% · 参考 1.3%
复盘防守决策
斗气招架：档案 0.3 · 参考 1.56
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 0.3 · 参考 1.56
- 精准招架：档案 0 · 参考 0.54
- 斗气反攻：档案 0 · 参考 0.18
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6日 · AI：dots-studio/dots-3-note-preview:free
如何应对这位玩家
寻找可重复利用的反击机会
受到惩罚反击：档案 0.6 · 参考 0.06
把统计作为观察线索。寻找你已验证在该距离能反击的动作，不要仅凭观感认定它有破绽。
试试这样做该动作出现时，尝试已确认的反击。如果对方不再使用，就恢复平常的距离控制，不必强行寻找机会。
数据依据
- 受到惩罚反击：档案 0.6 · 参考 0.06
- 惩罚反击命中：档案 0.8 · 参考 0.09
验证斗气迸放倾向
斗气迸放：档案 1.5 · 参考 0.16
观察特定场景下是否反复出现斗气迸放。考虑距离、硬直和量表，准备在训练中验证过的应对。
试试这样做再次进入该场景时，采用更少暴露破绽的行动。如果迸放出现，就使用练过的应对；如果没有，就回到常规计划。
数据依据
- 斗气迸放：档案 1.5 · 参考 0.16
- 斗气迸放消耗：档案 17.3% · 参考 1.3%
先试探实际防守反应
斗气招架：档案 0.3 · 参考 1.56
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 0.3 · 参考 1.56
- 精准招架：档案 0 · 参考 0.54
- 斗气反攻：档案 0 · 参考 0.18
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6日 · AI：dots-studio/dots-3-note-preview:free