最近一场对战
胜利排位赛
AK
BLAK更新于5天前
Steam
JapanC100%
SteamJapanC100%自由な宇宙
Let's Do This
MR 1,552#132,021最近 10 场3–7-43最近 20 场5–15-90
胜率
47%
59 胜 · 66 负 · 已存 125 场
排位赛对战
125
已选模式
胜场
59
排位赛
负场
66
排位赛
最高 MR
1,661
Akuma
排位 MR · Akuma
本地 125 · 导入 0 · 图表显示 125 · 已存 125 场对战
尚未请求回放
AKBLAK按差值绝对值从大到小排列23 项习惯
| 习惯 | 自由な宇宙 | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA3 | 56.8% | 38.7% | +18.1% | |
| SA1 | 16.2% | 28.6% | -12.4% | |
| CA | 5.4% | 9.9% | -4.5% | |
| 斗气技 | 16.5% | 19.2% | -2.7% | |
| 斗气前冲（取消） | 34.6% | 32.7% | +1.9% | |
| SA2 | 21.6% | 22.8% | -1.1% | |
| 版边压制 | 10.40 | 11.47 | -1.07 | |
| 斗气防御 | 12.3% | 13.1% | -0.8% | |
| 斗气迸放消耗 | 0.8% | 1.5% | -0.7% | |
| 受到投技 | 2.70 | 2.09 | +0.61 | |
| 拆投 | 0.90 | 0.45 | +0.45 | |
| 斗气招架 | 1.20 | 1.65 | -0.45 | |
| 斗气前冲（招架） | 7.1% | 7.4% | -0.3% | |
| 被困版边时间 | 8.80 | 8.55 | +0.25 | |
| 斗气反攻 | 0.00 | 0.20 | -0.20 | |
| 精准招架 | 0.60 | 0.77 | -0.17 | |
| 惩罚反击命中 | 0.00 | 0.13 | -0.13 | |
| 斗气迸放 | 0.10 | 0.20 | -0.10 | |
| 受到惩罚反击 | 0.00 | 0.09 | -0.09 | |
| 造成昏厥 | 0.10 | 0.03 | +0.07 | |
| 招架时被投 | 0.20 | 0.27 | -0.07 | |
| 受到昏厥 | 0.00 | 0.04 | -0.04 | |
| 投技 | 2.70 | 2.74 | -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
找出惩罚反击的原因
惩罚反击命中：档案 0.1 · 参考 0.13
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 0.1 · 参考 0.13
明确每次量表消耗的目的
SA1：档案 9.5% · 参考 29.6%
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
- SA1：档案 9.5% · 参考 29.6%
- SA2：档案 9.5% · 参考 24.2%
- SA3：档案 69% · 参考 35.7%
追踪位置得失的过程
版边压制：档案 12.6 · 参考 12.38
回看五次被逼到角落的过程。除了最后的脱身尝试，也要找出更早交出空间的决策，并对照成功压制角落的场景。
试试这样做在训练中重现反复出现的位置，比较常用应对与较少露出破绽的替代选择，再观察下一组对战中进入角落的频率。
数据依据
- 版边压制：档案 12.6 · 参考 12.38
- 被困版边时间：档案 9.2 · 参考 8.05
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
先试探实际防守反应
拆投：档案 1.1 · 参考 0.38
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
- 拆投：档案 1.1 · 参考 0.38
- 受到投技：档案 2.8 · 参考 2.04
- 斗气反攻：档案 0 · 参考 0.22
把对局战绩当作观察线索
对阵Char 253：1,067场中获胜538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Char 253：1,067场中获胜538场
- 对阵Luke：90场中获胜49场
- 对阵Ryu：89场中获胜39场
区分持续倾向与偶发失误
已保存的近期排位赛样本：63场中获胜37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：63场中获胜37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