最近一场对战
失败自定义房间
ININ更新于17小时前
Steam
ChinaC100%
SteamChinaC100%维多利亚
Eye See You!胜率
—
0 胜 · 0 负 · 已存 0 场
排位赛对战
0
已选模式
胜场
0
排位赛
负场
0
排位赛
最高 MR
—
排位 MR
本地 0 · 导入 0 · 图表显示 0 · 已存 85 场对战
此时间范围内的排位 MR 数据不足。
尚未请求回放
INININ按差值绝对值从大到小排列23 项习惯
| 习惯 | 维多利亚 | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 15.4% | 52.1% | -36.8% | |
| SA3 | 43.1% | 15.9% | +27.2% | |
| 斗气技 | 1.8% | 27.3% | -25.5% | |
| 斗气前冲（取消） | 1.3% | 25.1% | -23.8% | |
| 斗气迸放消耗 | 14.9% | 2.0% | +12.9% | |
| 版边压制 | 2.00 | 11.52 | -9.52 | |
| CA | 12.3% | 5.1% | +7.2% | |
| 斗气防御 | 6.2% | 12.3% | -6.2% | |
| 斗气前冲（招架） | 3.5% | 7.4% | -3.9% | |
| SA1 | 29.2% | 26.9% | +2.3% | |
| 投技 | 3.60 | 2.26 | +1.34 | |
| 受到投技 | 3.50 | 2.18 | +1.32 | |
| 斗气招架 | 0.30 | 1.54 | -1.24 | |
| 斗气迸放 | 1.00 | 0.24 | +0.76 | |
| 精准招架 | 0.00 | 0.50 | -0.50 | |
| 受到惩罚反击 | 0.40 | 0.09 | +0.31 | |
| 惩罚反击命中 | 0.40 | 0.13 | +0.27 | |
| 造成昏厥 | 0.00 | 0.12 | -0.12 | |
| 被困版边时间 | 10.50 | 10.40 | +0.10 | |
| 斗气反攻 | 0.40 | 0.31 | +0.09 | |
| 招架时被投 | 0.20 | 0.29 | -0.09 | |
| 受到昏厥 | 0.00 | 0.07 | -0.07 | |
| 拆投 | 0.40 | 0.36 | +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。
Ingrid · 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 0.5 · 参考 0.09
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 0.5 · 参考 0.09
让斗气迸放有明确目的
斗气迸放：档案 0.9 · 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 0.9 · 参考 0.24
- 斗气迸放消耗：档案 16.2% · 参考 2%
追踪位置得失的过程
版边压制：档案 1.7 · 参考 11.52
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 1.7 · 参考 11.52
- 被困版边时间：档案 8.7 · 参考 10.4
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16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Zangief：28场中获胜11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Zangief：28场中获胜11场
- 对阵Char 253：76场中获胜24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16日 · AI：dots-studio/dots-3-note-preview:free