最近一场对战
胜利排位赛
AK
DEAK更新于13小时前
CrossPlatform
JapanC100%
CrossPlatformJapanC100%たくあん載せティラミス
Let's Do This
MR 1,583#109,063最近 10 场5–5-5最近 20 场11–9+9
胜率
50%
53 胜 · 52 负 · 已存 105 场
排位赛对战
105
已选模式
胜场
53
排位赛
负场
52
排位赛
最高 MR
1,658
Akuma
排位 MR · Akuma
本地 105 · 导入 0 · 图表显示 105 · 已存 105 场对战
尚未请求回放
AKDEAK按差值绝对值从大到小排列23 项习惯
| 习惯 | たくあん載せティラミス | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 11.8% | 22.8% | -11.0% | |
| CA | 17.6% | 9.9% | +7.7% | |
| SA3 | 42.6% | 38.7% | +4.0% | |
| 斗气迸放消耗 | 2.9% | 1.5% | +1.4% | |
| 斗气前冲（招架） | 8.7% | 7.4% | +1.3% | |
| 斗气前冲（取消） | 33.9% | 32.7% | +1.2% | |
| 斗气技 | 18.2% | 19.2% | -1.0% | |
| 被困版边时间 | 7.60 | 8.55 | -0.95 | |
| SA1 | 27.9% | 28.6% | -0.7% | |
| 斗气招架 | 1.00 | 1.65 | -0.65 | |
| 精准招架 | 0.50 | 0.77 | -0.27 | |
| 拆投 | 0.20 | 0.45 | -0.25 | |
| 投技 | 2.50 | 2.74 | -0.24 | |
| 受到投技 | 1.90 | 2.09 | -0.19 | |
| 版边压制 | 11.30 | 11.47 | -0.17 | |
| 招架时被投 | 0.40 | 0.27 | +0.13 | |
| 斗气防御 | 13.2% | 13.1% | +0.1% | |
| 斗气反攻 | 0.10 | 0.20 | -0.10 | |
| 斗气迸放 | 0.30 | 0.20 | +0.10 | |
| 受到惩罚反击 | 0.00 | 0.09 | -0.09 | |
| 惩罚反击命中 | 0.20 | 0.13 | +0.07 | |
| 造成昏厥 | 0.10 | 0.03 | +0.07 | |
| 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。
Akuma · 最近100场
需要改进的地方
复盘防守决策
斗气招架：档案 0.8 · 参考 1.8
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 0.8 · 参考 1.8
- 精准招架：档案 0.4 · 参考 0.85
- 斗气反攻：档案 0.1 · 参考 0.22
找出惩罚反击的原因
受到惩罚反击：档案 0.1 · 参考 0.08
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 0.1 · 参考 0.08
比较胜负中的决策
已保存的近期排位赛样本：91场中获胜47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：91场中获胜47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9日 · AI：nex-agi/nex-n2.5-mini:free
如何应对这位玩家
把对局战绩当作观察线索
对阵Ryu：69场中获胜38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：69场中获胜38场
- 对阵Zangief：25场中获胜11场
- 对阵C. Viper：17场中获胜3场
区分持续倾向与偶发失误
已保存的近期排位赛样本：91场中获胜47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：91场中获胜47场
寻找可重复利用的反击机会
受到惩罚反击：档案 0.1 · 参考 0.08
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 0.1 · 参考 0.08
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9日 · AI：nex-agi/nex-n2.5-mini:free