最近一场对战
失败斗技战场
A.
CHA.
Steam
JapanC100%kaisa55275
Amaki Pururu x Juri
MR 1,818#6,517最近 10 场5–5+3最近 20 场7–5+17
胜率
58%
7 胜 · 5 负 · 已存 12 场
排位赛对战
12
已选模式
胜场
7
排位赛
负场
5
排位赛
最高 MR
1,834
A.K.I.
排位 MR · A.K.I.
本地 12 · 导入 0 · 图表显示 12 · 已存 104 场对战
尚未请求回放
A.CHA.按差值绝对值从大到小排列23 项习惯
| 习惯 | kaisa55275 | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA3 | 39.7% | 30.6% | +9.2% | |
| SA1 | 30.8% | 37.8% | -7.1% | |
| 斗气前冲（取消） | 28.9% | 23.3% | +5.6% | |
| 斗气技 | 17.4% | 21.0% | -3.7% | |
| SA2 | 20.5% | 22.0% | -1.5% | |
| 版边压制 | 12.50 | 11.29 | +1.21 | |
| 被困版边时间 | 9.00 | 9.83 | -0.83 | |
| CA | 9.0% | 9.6% | -0.6% | |
| 斗气防御 | 16.4% | 17.0% | -0.6% | |
| 受到投技 | 2.80 | 2.30 | +0.50 | |
| 斗气前冲（招架） | 10.5% | 11.0% | -0.5% | |
| 斗气迸放消耗 | 2.1% | 1.8% | +0.3% | |
| 投技 | 2.60 | 2.34 | +0.26 | |
| 精准招架 | 0.40 | 0.60 | -0.20 | |
| 受到惩罚反击 | 0.20 | 0.11 | +0.09 | |
| 招架时被投 | 0.30 | 0.22 | +0.08 | |
| 斗气招架 | 2.00 | 1.93 | +0.07 | |
| 斗气迸放 | 0.20 | 0.24 | -0.04 | |
| 受到昏厥 | 0.00 | 0.04 | -0.04 | |
| 拆投 | 0.50 | 0.52 | -0.02 | |
| 造成昏厥 | 0.10 | 0.08 | +0.02 | |
| 惩罚反击命中 | 0.10 | 0.12 | -0.02 | |
| 斗气反攻 | 0.40 | 0.40 | 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 0.2 · 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
- 惩罚反击命中：档案 0.1 · 参考 0.1
让斗气迸放有明确目的
斗气迸放消耗：档案 2.1% · 参考 1.6%
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
- 斗气迸放消耗：档案 2.1% · 参考 1.6%
- 斗气迸放：档案 0.2 · 参考 0.21
明确每次量表消耗的目的
斗气前冲（取消）：档案 28.9% · 参考 23%
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
- 斗气前冲（取消）：档案 28.9% · 参考 23%
- SA1：档案 30.8% · 参考 38.2%
- 斗气技：档案 17.4% · 参考 20.5%
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6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Char 253：1,955场中获胜1,103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 253：1,955场中获胜1,103场
- 对阵Luke：133场中获胜75场
- 对阵Ken：125场中获胜80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6日 · AI：dots-studio/dots-3-note-preview:free