最近一场对战
胜利排位赛
BL
RYBL更新于12小时前
Steam
BrazilM100%
SteamBrazilM100%oniichanmyhips
Let's Do This
MR 1,500#258,824最近 10 场8–2最近 20 场13–7
胜率
55%
46 胜 · 38 负 · 已存 84 场
排位赛对战
84
已选模式
胜场
46
排位赛
负场
38
排位赛
最高 MR
1,500
Blanka
排位 MR · Blanka
本地 0 · 导入 1 · 图表显示 1 · 已存 102 场对战
此时间范围内的排位 MR 数据不足。
尚未请求回放
BLRYBL按差值绝对值从大到小排列23 项习惯
| 习惯 | oniichanmyhips | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气技 | 42.1% | 24.9% | +17.2% | |
| SA2 | 39.3% | 54.8% | -15.4% | |
| SA1 | 39.3% | 25.2% | +14.1% | |
| 斗气前冲（取消） | 18.3% | 26.9% | -8.6% | |
| 斗气防御 | 7.0% | 12.7% | -5.7% | |
| 斗气前冲（招架） | 3.5% | 7.2% | -3.7% | |
| 被困版边时间 | 6.50 | 9.41 | -2.91 | |
| 版边压制 | 13.90 | 12.16 | +1.74 | |
| SA3 | 15.7% | 14.8% | +0.9% | |
| 斗气迸放消耗 | 0.9% | 1.7% | -0.8% | |
| 斗气招架 | 1.10 | 1.61 | -0.51 | |
| CA | 5.6% | 5.2% | +0.4% | |
| 斗气反攻 | 0.00 | 0.44 | -0.44 | |
| 投技 | 2.20 | 2.59 | -0.39 | |
| 精准招架 | 0.20 | 0.52 | -0.32 | |
| 受到投技 | 1.80 | 2.01 | -0.21 | |
| 受到惩罚反击 | 0.30 | 0.10 | +0.20 | |
| 拆投 | 0.20 | 0.32 | -0.12 | |
| 斗气迸放 | 0.10 | 0.21 | -0.11 | |
| 惩罚反击命中 | 0.00 | 0.09 | -0.09 | |
| 造成昏厥 | 0.00 | 0.09 | -0.09 | |
| 受到昏厥 | 0.00 | 0.06 | -0.06 | |
| 招架时被投 | 0.30 | 0.33 | -0.03 |
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。
Blanka · 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 0.3 · 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 0.3 · 参考 0.1
- 惩罚反击命中：档案 0 · 参考 0.09
明确每次量表消耗的目的
斗气防御：档案 7% · 参考 12.7%
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
- 斗气防御：档案 7% · 参考 12.7%
比较胜负中的决策
已保存的近期排位赛样本：84场中获胜46场
从已保存的近期样本中选两场胜利与两场失败，找出变化的决策。战绩本身无法解释结果变化的原因。
试试这样做写下接下来五场要测试的一项具体判断。复盘是否执行及发生了什么，不要只用胜负评价练习。
数据依据
- 已保存的近期排位赛样本：84场中获胜46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14日 · AI：nex-agi/nex-n2.5-mini: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 0.3 · 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 0.3 · 参考 0.1
区分持续倾向与偶发失误
已保存的近期排位赛样本：84场中获胜46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：84场中获胜46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14日 · AI：nex-agi/nex-n2.5-mini:free