最近一场对战
胜利排位赛
A.
DE
JU更新于5天前
Steam
Japan俱乐部 · OpportunityMarzC100%
SteamJapan俱乐部 · OpportunityMarzC100%misosiru
Eternal Traveler
最近 10 场6–4最近 20 场12–4+16
胜率
75%
12 胜 · 4 负 · 已存 16 场
排位赛对战
16
已选模式
胜场
12
排位赛
负场
4
排位赛
最高 MR
1,534
Juri
排位 MR · Juri
本地 2 · 导入 0 · 图表显示 2 · 已存 125 场对战
此时间范围内的排位 MR 数据不足。
可用
A.DEJU按差值绝对值从大到小排列23 项习惯
| 习惯 | misosiru | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA3 | 50.7% | 34.9% | +15.8% | |
| SA1 | 23.9% | 38.3% | -14.4% | |
| 斗气前冲（取消） | 21.6% | 32.9% | -11.3% | |
| 斗气防御 | 23.2% | 13.4% | +9.8% | |
| 斗气前冲（招架） | 16.0% | 7.0% | +9.0% | |
| 被困版边时间 | 4.30 | 8.68 | -4.38 | |
| SA2 | 12.7% | 16.9% | -4.3% | |
| CA | 12.7% | 9.8% | +2.9% | |
| 斗气迸放消耗 | 3.6% | 2.0% | +1.6% | |
| 版边压制 | 11.40 | 12.56 | -1.16 | |
| 投技 | 1.90 | 2.72 | -0.82 | |
| 斗气招架 | 1.70 | 2.03 | -0.33 | |
| 受到投技 | 1.80 | 2.13 | -0.33 | |
| 精准招架 | 0.50 | 0.75 | -0.25 | |
| 拆投 | 0.20 | 0.41 | -0.21 | |
| 斗气反攻 | 0.00 | 0.20 | -0.20 | |
| 斗气技 | 19.0% | 18.9% | +0.1% | |
| 受到惩罚反击 | 0.20 | 0.10 | +0.10 | |
| 招架时被投 | 0.20 | 0.28 | -0.08 | |
| 受到昏厥 | 0.00 | 0.06 | -0.06 | |
| 斗气迸放 | 0.30 | 0.26 | +0.04 | |
| 惩罚反击命中 | 0.10 | 0.12 | -0.02 | |
| 造成昏厥 | 0.10 | 0.09 | +0.01 |
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
让斗气迸放有明确目的
斗气迸放：档案 0.3 · 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 0.3 · 参考 0.21
- 斗气迸放消耗：档案 3.6% · 参考 1.6%
复盘防守决策
斗气反攻：档案 0 · 参考 0.4
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
- 斗气反攻：档案 0 · 参考 0.4
- 拆投：档案 0.2 · 参考 0.53
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11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 0.2 · 参考 0.1
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 0.2 · 参考 0.1
验证斗气迸放倾向
斗气迸放：档案 0.3 · 参考 0.21
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 0.21
- 斗气迸放消耗：档案 3.6% · 参考 1.6%
试探近距离模式
拆投：档案 0.2 · 参考 0.53
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
- 拆投：档案 0.2 · 参考 0.53
- 受到投技：档案 1.8 · 参考 2.33
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11日 · AI：dots-studio/dots-3-note-preview:free
Juri · 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 0.08
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 0.08
- 惩罚反击命中：档案 0.1 · 参考 0.11
研究反复出现的角色对局场景
对阵Dee Jay：72场中获胜69场
用引用的角色对战记录选择要看的录像，寻找多场败局中重复的决策，并与胜局比较后再下结论。
试试这样做选择对阵该角色时反复出现的一个场景，在训练中验证替代应对，并记录接下来五场中的这一判断。
数据依据
- 对阵Dee Jay：72场中获胜69场
- 对阵Akuma：40场中获胜29场
- 对阵Ingrid：24场中获胜21场
检查近距离选择
投技：档案 1.9 · 参考 2.67
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 1.9 · 参考 2.67
- 拆投：档案 0.2 · 参考 0.43
- 受到投技：档案 1.8 · 参考 2.11
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11日 · AI：nex-agi/nex-n2.5-mini:free
如何应对这位玩家
验证斗气迸放倾向
斗气迸放：档案 0.3 · 参考 0.25
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 0.25
- 斗气迸放消耗：档案 3.6% · 参考 1.8%
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11日 · AI：nex-agi/nex-n2.5-mini:free