最近一场对战
imoizaa
Good Luck, Have Fun
排位 LP · Mai
此角色的 LP 走势
| 习惯 | imoizaa | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气技 | 10.2% | 22.7% | -12.6% | |
| SA3 | 28.2% | 18.6% | +9.5% | |
| SA2 | 14.6% | 20.2% | -5.6% | |
| SA1 | 51.5% | 54.6% | -3.1% | |
| 斗气迸放消耗 | 3.6% | 1.3% | +2.2% | |
| 斗气防御 | 11.3% | 13.4% | -2.1% | |
| 被困版边时间 | 7.40 | 9.32 | -1.92 | |
| 斗气招架 | 0.60 | 1.87 | -1.27 | |
| 斗气前冲(招架) | 8.7% | 7.5% | +1.3% | |
| 投技 | 3.60 | 2.49 | +1.11 | |
| 斗气前冲(取消) | 30.3% | 29.4% | +0.9% | |
| 斗气反攻 | 1.10 | 0.19 | +0.91 | |
| CA | 5.8% | 6.6% | -0.8% | |
| 版边压制 | 12.20 | 12.99 | -0.79 | |
| 精准招架 | 0.00 | 0.70 | -0.70 | |
| 受到投技 | 1.70 | 2.23 | -0.53 | |
| 受到惩罚反击 | 0.30 | 0.07 | +0.23 | |
| 招架时被投 | 0.10 | 0.26 | -0.16 | |
| 拆投 | 0.30 | 0.46 | -0.16 | |
| 斗气迸放 | 0.30 | 0.19 | +0.11 | |
| 惩罚反击命中 | 0.20 | 0.10 | +0.10 | |
| 造成昏厥 | 0.00 | 0.06 | -0.06 | |
| 受到昏厥 | 0.10 | 0.05 | +0.05 |
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。
Mai · 最近100场
需要改进的地方
复盘防守决策
斗气反攻:档案 1.1 · 参考 0.18
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 1.1 · 参考 0.18
- 斗气招架:档案 0.6 · 参考 1.97
- 精准招架:档案 0 · 参考 0.73
找出惩罚反击的原因
受到惩罚反击:档案 0.3 · 参考 0.07
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 0.3 · 参考 0.07
- 惩罚反击命中:档案 0.2 · 参考 0.11
明确每次量表消耗的目的
斗气技:档案 10.2% · 参考 21.5%
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 10.2% · 参考 21.5%
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:nex-agi/nex-n2.5-mini:free
如何应对这位玩家
先试探实际防守反应
斗气反攻:档案 1.1 · 参考 0.18
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
- 斗气反攻:档案 1.1 · 参考 0.18
- 斗气招架:档案 0.6 · 参考 1.97
- 精准招架:档案 0 · 参考 0.73
寻找可重复利用的反击机会
受到惩罚反击:档案 0.3 · 参考 0.07
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 0.3 · 参考 0.07
- 惩罚反击命中:档案 0.2 · 参考 0.11
区分持续倾向与偶发失误
已保存的近期排位赛样本:24场中获胜10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:24场中获胜10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7日 · AI:nex-agi/nex-n2.5-mini:free
Public data
Public statistics and datasets
Results from 31 of 31 stored matches. Explore the datasets for the full saved history.
Results in stored match sample
1 row- Wins
- 13games
- Losses
- 18games
- Draws
- 0games
- Games
- 31games
- Win rate (draw = half win)
- 41.94%
Field definitions 5 fields
- Wins
- Wins · games.
wins - Losses
- Losses · games.
losses - Draws
- Draws · games.
draws - Games
- Games · games.
total - Win rate (draw = half win)
- Win rate (draw = half win) · percent.
winRateDisplayed to two decimal places; JSON retains full precision.
Current saved character ratings
7 rowsScroll if needed to compare columns. Expand Details for the remaining fields.
| Character | MRMR points | LPLP points | Details |
|---|---|---|---|
| Ryu | 0 | -1 | Details for Current saved character ratings, row 1
|
| Luke | 0 | 15,400 | Details for Current saved character ratings, row 2
|
| Cammy | 0 | 15,400 | Details for Current saved character ratings, row 3
|
| Ken | 0 | -1 | Details for Current saved character ratings, row 4
|
| Akuma | 0 | -1 | Details for Current saved character ratings, row 5
|
| Terry | 0 | -1 | Details for Current saved character ratings, row 6
|
| Mai | 0 | 22,860 | Details for Current saved character ratings, row 7
|
Field definitions 4 fields
- Character ID
- Character ID · identifier.
characterId - Character
- Character · text.
character - MR
- Master Rating · MR points.
mr - LP
- League Points · LP points.
lp
Last saved update: .
Latest saved profile; local results cover at most the newest 10,000 stored matches across all modes.





