最近一场对战
失败排位赛
DE
AK
LI更新于3小时前
Steam
JapanC100%
SteamJapanC100%zacky
Samba Dancing All Night!
MR 1,536#161,860最近 10 场6–4+16最近 20 场9–11-19
胜率
50%
124 胜 · 124 负 · 已存 248 场
排位赛对战
248
已选模式
胜场
124
排位赛
负场
124
排位赛
最高 MR
1,631
Lily
排位 MR · Lily
本地 232 · 导入 0 · 图表显示 232 · 已存 248 场对战
尚未请求回放
DEAKLI按差值绝对值从大到小排列23 项习惯
| 习惯 | zacky | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA1 | 0.0% | 43.8% | -43.8% | |
| SA3 | 64.7% | 25.7% | +39.0% | |
| 斗气技 | 7.0% | 21.7% | -14.7% | |
| CA | 20.6% | 8.4% | +12.1% | |
| SA2 | 14.7% | 22.0% | -7.3% | |
| 斗气防御 | 17.7% | 12.0% | +5.8% | |
| 斗气前冲（招架） | 10.6% | 5.7% | +4.9% | |
| 斗气前冲（取消） | 28.0% | 31.1% | -3.1% | |
| 版边压制 | 8.30 | 9.83 | -1.53 | |
| 被困版边时间 | 9.10 | 10.41 | -1.31 | |
| 斗气招架 | 2.60 | 1.96 | +0.64 | |
| 拆投 | 1.10 | 0.48 | +0.62 | |
| 投技 | 2.10 | 2.61 | -0.51 | |
| 受到投技 | 2.80 | 2.32 | +0.48 | |
| 精准招架 | 0.20 | 0.60 | -0.40 | |
| 斗气迸放消耗 | 1.7% | 2.1% | -0.4% | |
| 斗气反攻 | 0.00 | 0.33 | -0.33 | |
| 造成昏厥 | 0.00 | 0.08 | -0.08 | |
| 受到惩罚反击 | 0.20 | 0.12 | +0.08 | |
| 招架时被投 | 0.20 | 0.26 | -0.06 | |
| 斗气迸放 | 0.20 | 0.25 | -0.05 | |
| 惩罚反击命中 | 0.20 | 0.16 | +0.04 | |
| 受到昏厥 | 0.00 | 0.04 | -0.04 |
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。
Dee Jay · 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 0.09
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 0.09
- 惩罚反击命中：档案 0.2 · 参考 0.13
复盘防守决策
精准招架：档案 0.1 · 参考 0.57
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
- 精准招架：档案 0.1 · 参考 0.57
- 斗气招架：档案 1.7 · 参考 1.76
研究反复出现的角色对局场景
对阵Ryu：30场中获胜14场
用引用的角色对战记录选择要看的录像，寻找多场败局中重复的决策，并与胜局比较后再下结论。
试试这样做选择对阵该角色时反复出现的一个场景，在训练中验证替代应对，并记录接下来五场中的这一判断。
数据依据
- 对阵Ryu：30场中获胜14场
- 对阵Luke：28场中获胜16场
- 对阵Akuma：26场中获胜13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12日 · AI：nex-agi/nex-n2.5-pro:free
如何应对这位玩家
先试探实际防守反应
精准招架：档案 0.1 · 参考 0.57
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
- 精准招架：档案 0.1 · 参考 0.57
- 拆投：档案 0.9 · 参考 0.43
- 受到投技：档案 2.6 · 参考 2.2
把对局战绩当作观察线索
对阵Ryu：30场中获胜14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Ryu：30场中获胜14场
- 对阵Luke：28场中获胜16场
- 对阵Akuma：26场中获胜13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12日 · AI：nex-agi/nex-n2.5-pro:free
Lily · 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
让斗气迸放有明确目的
斗气迸放：档案 0.4 · 参考 0.26
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：档案 0.4 · 参考 0.26
- 斗气迸放消耗：档案 2.9% · 参考 2.1%
明确每次量表消耗的目的
SA2：档案 1.4% · 参考 21%
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
- SA2：档案 1.4% · 参考 21%
- SA3：档案 44.4% · 参考 24.4%
- CA：档案 13.9% · 参考 8.1%
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
寻找可重复利用的反击机会
受到惩罚反击：档案 0.2 · 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 0.2 · 参考 0.1
验证斗气迸放倾向
斗气迸放：档案 0.4 · 参考 0.26
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 0.4 · 参考 0.26
- 斗气迸放消耗：档案 2.9% · 参考 2.1%
先试探实际防守反应
斗气招架：档案 2.8 · 参考 2.05
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
- 斗气招架：档案 2.8 · 参考 2.05
- 精准招架：档案 0.3 · 参考 0.76
- 斗气反攻：档案 0.3 · 参考 0.33
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