最近一场对战
失败排位赛
AL
LUAL更新于6天前
Steam
Japan俱乐部 · YowayowaZakoOjiC100%
SteamJapan俱乐部 · YowayowaZakoOjiC100%yamiage
Rom-Com
MR 1,541#145,252最近 10 场6–4+20最近 20 场7–4+28
胜率
64%
7 胜 · 4 负 · 已存 11 场
排位赛对战
11
已选模式
胜场
7
排位赛
负场
4
排位赛
最高 MR
1,543
Alex
排位 MR · Alex
本地 11 · 导入 0 · 图表显示 11 · 已存 11 场对战
尚未请求回放
ALLUAL按差值绝对值从大到小排列23 项习惯
| 习惯 | yamiage | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA1 | 67.8% | 43.0% | +24.8% | |
| SA3 | 8.7% | 22.1% | -13.4% | |
| SA2 | 18.3% | 28.4% | -10.1% | |
| 斗气前冲（取消） | 24.5% | 33.0% | -8.5% | |
| 版边压制 | 5.40 | 9.01 | -3.61 | |
| 斗气迸放消耗 | 4.6% | 1.7% | +2.9% | |
| 被困版边时间 | 7.20 | 9.88 | -2.68 | |
| 斗气技 | 11.8% | 14.2% | -2.4% | |
| 斗气前冲（招架） | 6.6% | 8.2% | -1.6% | |
| CA | 5.2% | 6.5% | -1.3% | |
| 投技 | 1.10 | 2.32 | -1.22 | |
| 斗气反攻 | 1.00 | 0.47 | +0.53 | |
| 拆投 | 0.10 | 0.48 | -0.38 | |
| 受到投技 | 1.80 | 2.12 | -0.32 | |
| 斗气迸放 | 0.50 | 0.20 | +0.30 | |
| 精准招架 | 0.50 | 0.70 | -0.20 | |
| 招架时被投 | 0.10 | 0.29 | -0.19 | |
| 惩罚反击命中 | 0.30 | 0.12 | +0.18 | |
| 斗气招架 | 1.80 | 1.63 | +0.17 | |
| 斗气防御 | 14.3% | 14.1% | +0.2% | |
| 受到惩罚反击 | 0.20 | 0.12 | +0.08 | |
| 受到昏厥 | 0.00 | 0.05 | -0.05 | |
| 造成昏厥 | 0.10 | 0.07 | +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。
Alex · 最近100场
需要改进的地方
复盘防守决策
拆投：档案 0.1 · 参考 0.48
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
- 拆投：档案 0.1 · 参考 0.48
- 受到投技：档案 1.8 · 参考 2.12
找出惩罚反击的原因
惩罚反击命中：档案 0.3 · 参考 0.12
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 0.3 · 参考 0.12
- 受到惩罚反击：档案 0.2 · 参考 0.12
明确每次量表消耗的目的
SA3：档案 8.7% · 参考 22.1%
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
- SA3：档案 8.7% · 参考 22.1%
- SA1：档案 67.8% · 参考 43%
- 斗气技：档案 11.8% · 参考 14.2%
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8日 · AI：dots-studio/dots-3-note-preview:free
如何应对这位玩家
验证斗气迸放倾向
斗气迸放：档案 0.5 · 参考 0.2
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 0.5 · 参考 0.2
- 斗气迸放消耗：档案 4.6% · 参考 1.7%
把对局战绩当作观察线索
对阵Yasmine：76场中获胜37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：76场中获胜37场
- 对阵Ryu：63场中获胜35场
- 对阵Luke：62场中获胜31场
试探近距离模式
投技：档案 1.1 · 参考 2.32
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
- 投技：档案 1.1 · 参考 2.32
- 受到投技：档案 1.8 · 参考 2.12
- 拆投：档案 0.1 · 参考 0.48
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8日 · AI：dots-studio/dots-3-note-preview:free