最近一场对战
失败斗技战场
AL
JU更新于4天前
Steam
JapanC100%
SteamJapanC100%Pazuru
Let's Do This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 68 场对战
此时间范围内的排位 MR 数据不足。
尚未请求回放
ALJUAL按差值绝对值从大到小排列23 项习惯
| 习惯 | Pazuru | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA1 | 19.1% | 38.9% | -19.8% | |
| SA3 | 42.6% | 25.2% | +17.4% | |
| 斗气前冲（取消） | 39.5% | 33.2% | +6.3% | |
| 斗气技 | 7.3% | 13.2% | -6.0% | |
| 斗气防御 | 9.1% | 14.0% | -4.9% | |
| SA2 | 31.9% | 27.6% | +4.3% | |
| 版边压制 | 7.50 | 10.07 | -2.57 | |
| 斗气前冲（招架） | 5.9% | 8.2% | -2.3% | |
| CA | 6.4% | 8.3% | -1.9% | |
| 斗气迸放消耗 | 3.7% | 2.0% | +1.7% | |
| 投技 | 1.30 | 2.24 | -0.94 | |
| 斗气招架 | 0.90 | 1.62 | -0.72 | |
| 被困版边时间 | 10.00 | 9.50 | +0.50 | |
| 精准招架 | 0.20 | 0.64 | -0.44 | |
| 受到投技 | 2.50 | 2.18 | +0.32 | |
| 拆投 | 0.40 | 0.51 | -0.11 | |
| 造成昏厥 | 0.00 | 0.10 | -0.10 | |
| 受到惩罚反击 | 0.20 | 0.11 | +0.09 | |
| 斗气反攻 | 0.50 | 0.43 | +0.07 | |
| 斗气迸放 | 0.30 | 0.23 | +0.07 | |
| 招架时被投 | 0.20 | 0.27 | -0.07 | |
| 惩罚反击命中 | 0.20 | 0.14 | +0.06 | |
| 受到昏厥 | 0.00 | 0.04 | -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。
Alex · 最近100场
需要改进的地方
复盘防守决策
精准招架：档案 0.2 · 参考 0.7
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
- 精准招架：档案 0.2 · 参考 0.7
- 斗气招架：档案 0.9 · 参考 1.63
明确每次量表消耗的目的
SA3：档案 42.6% · 参考 22.1%
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
- SA3：档案 42.6% · 参考 22.1%
- SA1：档案 19.1% · 参考 43%
追踪位置得失的过程
版边压制：档案 7.5 · 参考 9.01
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 7.5 · 参考 9.01
- 被困版边时间：档案 10 · 参考 9.88
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7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Jamie：83场中获胜58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Jamie：83场中获胜58场
- 对阵Akuma：73场中获胜38场
- 对阵Ryu：41场中获胜27场
验证斗气迸放倾向
斗气迸放：档案 0.3 · 参考 0.2
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 0.3 · 参考 0.2
试探近距离模式
投技：档案 1.3 · 参考 2.32
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
- 投技：档案 1.3 · 参考 2.32
- 受到投技：档案 2.5 · 参考 2.12
- 拆投：档案 0.4 · 参考 0.48
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7日 · AI：dots-studio/dots-3-note-preview:free