最近一场对战
失败自定义房间
KE
CAKE更新于14小时前
Steam
Brazil俱乐部 · JogabilidojoC100%
SteamBrazil俱乐部 · JogabilidojoC100%hizu
Conqueror: Raging Inferno
LP 13,265最近 10 场4–6最近 20 场12–8
胜率
63%
48 胜 · 28 负 · 已存 76 场
排位赛对战
76
已选模式
胜场
48
排位赛
负场
28
排位赛
最高 LP
13,912
Ken
排位 LP · Ken
此角色的 LP 走势
尚未请求回放
KECAKE按差值绝对值从大到小排列23 项习惯
| 习惯 | hizu | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气迸放消耗 | 26.1% | 1.4% | +24.7% | |
| SA3 | 58.6% | 35.8% | +22.8% | |
| SA2 | 5.7% | 25.9% | -20.2% | |
| 斗气前冲（取消） | 19.3% | 38.2% | -18.9% | |
| 斗气防御 | 6.1% | 12.7% | -6.6% | |
| SA1 | 21.4% | 27.3% | -5.9% | |
| 被困版边时间 | 4.50 | 8.95 | -4.45 | |
| 斗气前冲（招架） | 3.2% | 6.8% | -3.5% | |
| 版边压制 | 9.70 | 13.12 | -3.42 | |
| 斗气技 | 18.2% | 14.9% | +3.3% | |
| CA | 14.3% | 11.0% | +3.2% | |
| 斗气迸放 | 2.40 | 0.19 | +2.21 | |
| 惩罚反击命中 | 1.40 | 0.10 | +1.30 | |
| 斗气招架 | 0.70 | 1.89 | -1.19 | |
| 受到惩罚反击 | 0.90 | 0.08 | +0.82 | |
| 精准招架 | 0.10 | 0.84 | -0.74 | |
| 受到投技 | 2.70 | 2.26 | +0.44 | |
| 投技 | 2.90 | 2.57 | +0.33 | |
| 斗气反攻 | 0.00 | 0.23 | -0.23 | |
| 招架时被投 | 0.10 | 0.21 | -0.11 | |
| 拆投 | 0.50 | 0.44 | +0.06 | |
| 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。
Ken · 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 1.3 · 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
- 惩罚反击命中：档案 1.3 · 参考 0.1
让斗气迸放有明确目的
斗气迸放：档案 2.4 · 参考 0.19
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 2.4 · 参考 0.19
- 斗气迸放消耗：档案 27.3% · 参考 1.4%
明确每次量表消耗的目的
SA3：档案 64.3% · 参考 35.8%
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 64.3% · 参考 35.8%
- SA2：档案 5.7% · 参考 25.9%
- SA1：档案 17.1% · 参考 27.3%
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15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Ken：47场中获胜25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Ken：47场中获胜25场
- 对阵Ryu：25场中获胜15场
- 对阵Akuma：23场中获胜8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15日 · AI：dots-studio/dots-3-note-preview:free