最近一场对战
胜利排位赛
A.
CAA.更新于3小时前
Steam
JapanC100%
SteamJapanC100%いくら軍艦
Let's Do This
LP 11,945最近 10 场8–2最近 20 场15–5
胜率
55%
92 胜 · 76 负 · 已存 168 场
排位赛对战
168
已选模式
胜场
92
排位赛
负场
76
排位赛
最高 LP
11,945
A.K.I.
排位 LP · A.K.I.
此角色的 LP 走势
尚未请求回放
A.CAA.按差值绝对值从大到小排列23 项习惯
| 习惯 | いくら軍艦 | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气技 | 47.4% | 21.0% | +26.3% | |
| 斗气前冲（取消） | 0.4% | 23.3% | -22.9% | |
| SA1 | 51.2% | 37.8% | +13.4% | |
| SA2 | 11.0% | 22.0% | -11.0% | |
| 斗气防御 | 11.1% | 17.0% | -5.9% | |
| 版边压制 | 6.00 | 11.29 | -5.29 | |
| SA3 | 26.8% | 30.6% | -3.8% | |
| 被困版边时间 | 7.00 | 9.83 | -2.83 | |
| 斗气招架 | 0.10 | 1.93 | -1.83 | |
| CA | 11.0% | 9.6% | +1.4% | |
| 斗气迸放消耗 | 0.9% | 1.8% | -0.9% | |
| 斗气前冲（招架） | 10.2% | 11.0% | -0.7% | |
| 精准招架 | 0.00 | 0.60 | -0.60 | |
| 斗气反攻 | 0.00 | 0.40 | -0.40 | |
| 受到惩罚反击 | 0.40 | 0.11 | +0.29 | |
| 斗气迸放 | 0.10 | 0.24 | -0.14 | |
| 招架时被投 | 0.10 | 0.22 | -0.12 | |
| 造成昏厥 | 0.00 | 0.08 | -0.08 | |
| 投技 | 2.40 | 2.34 | +0.06 | |
| 受到昏厥 | 0.00 | 0.04 | -0.04 | |
| 拆投 | 0.50 | 0.52 | -0.02 | |
| 惩罚反击命中 | 0.10 | 0.12 | -0.02 | |
| 受到投技 | 2.30 | 2.30 | 0.00 |
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 0.4 · 参考 0.11
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 0.4 · 参考 0.11
- 惩罚反击命中：档案 0.1 · 参考 0.12
让斗气迸放有明确目的
斗气迸放：档案 0.2 · 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 0.2 · 参考 0.24
- 斗气迸放消耗：档案 2.7% · 参考 1.8%
追踪位置得失的过程
版边压制：档案 4.3 · 参考 11.29
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 11.29
- 被困版边时间：档案 5.5 · 参考 9.83
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12日 · AI：dots-studio/dots-3-note-preview:free
如何应对这位玩家
先试探实际防守反应
斗气招架：档案 0.2 · 参考 1.93
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 0.2 · 参考 1.93
- 精准招架：档案 0 · 参考 0.6
验证斗气迸放倾向
斗气迸放：档案 0.2 · 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 0.2 · 参考 0.24
- 斗气迸放消耗：档案 2.7% · 参考 1.8%
把对局战绩当作观察线索
对阵Char 253：363场中获胜179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 253：363场中获胜179场
- 对阵Ryu：42场中获胜16场
- 对阵Jamie：32场中获胜16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12日 · AI：dots-studio/dots-3-note-preview:free