最近一场对战
胜利休闲赛
JU
JPJU更新于2天前
Steam
JapanC100%
SteamJapanC100%toro
Because I'm Cute, Obviously!
MR 1,612#67,977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
1,612
Juri
排位 MR · Juri
本地 0 · 导入 0 · 图表显示 0 · 已存 26 场对战
此时间范围内的排位 MR 数据不足。
尚未请求回放
JUJPJU按差值绝对值从大到小排列23 项习惯
| 习惯 | toro | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA1 | 52.4% | 36.7% | +15.7% | |
| SA3 | 19.4% | 34.8% | -15.4% | |
| 斗气前冲（取消） | 44.1% | 31.9% | +12.2% | |
| 斗气技 | 13.2% | 19.4% | -6.2% | |
| SA2 | 14.6% | 19.5% | -4.9% | |
| CA | 13.6% | 8.9% | +4.7% | |
| 版边压制 | 8.40 | 12.24 | -3.84 | |
| 斗气防御 | 10.6% | 13.4% | -2.8% | |
| 斗气前冲（招架） | 4.5% | 7.1% | -2.6% | |
| 被困版边时间 | 11.00 | 9.20 | +1.80 | |
| 投技 | 1.60 | 2.65 | -1.05 | |
| 斗气迸放消耗 | 1.6% | 2.0% | -0.5% | |
| 精准招架 | 0.20 | 0.64 | -0.44 | |
| 拆投 | 0.20 | 0.46 | -0.26 | |
| 斗气招架 | 2.30 | 2.07 | +0.23 | |
| 斗气迸放 | 0.10 | 0.27 | -0.17 | |
| 招架时被投 | 0.10 | 0.26 | -0.16 | |
| 斗气反攻 | 0.10 | 0.20 | -0.10 | |
| 受到昏厥 | 0.00 | 0.04 | -0.04 | |
| 惩罚反击命中 | 0.10 | 0.13 | -0.03 | |
| 受到投技 | 2.10 | 2.13 | -0.03 | |
| 造成昏厥 | 0.10 | 0.09 | +0.01 | |
| 受到惩罚反击 | 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。
Juri · 最近100场
需要改进的地方
找出惩罚反击的原因
惩罚反击命中：档案 0 · 参考 0.11
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
- 惩罚反击命中：档案 0 · 参考 0.11
- 受到惩罚反击：档案 0.1 · 参考 0.08
明确每次量表消耗的目的
斗气技：档案 10.9% · 参考 21.1%
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
- 斗气技：档案 10.9% · 参考 21.1%
- SA3：档案 23.5% · 参考 34.6%
复盘防守决策
斗气招架：档案 2.5 · 参考 2.01
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
- 斗气招架：档案 2.5 · 参考 2.01
- 精准招架：档案 0.3 · 参考 0.64
- 斗气反攻：档案 0.1 · 参考 0.17
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Yasmine：60场中获胜32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Yasmine：60场中获胜32场
- 对阵Luke：55场中获胜31场
- 对阵Ryu：51场中获胜29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