最近一场对战
胜利排位赛
KE
ED
AK更新于6小时前
Steam
JapanC100%
SteamJapanC100%CAfFeLiC
RISE ABOVE
LP 9,125最近 10 场8–2最近 20 场12–5
胜率
71%
12 胜 · 5 负 · 已存 17 场
排位赛对战
17
已选模式
胜场
12
排位赛
负场
5
排位赛
最高 LP
9,165
Akuma
排位 LP · Akuma
此角色的 LP 走势
尚未请求回放
KEEDAK按差值绝对值从大到小排列23 项习惯
| 习惯 | CAfFeLiC | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA1 | 65.7% | 28.6% | +37.1% | |
| SA3 | 10.9% | 38.7% | -27.8% | |
| 斗气前冲（取消） | 12.8% | 32.7% | -19.9% | |
| 斗气迸放消耗 | 15.2% | 1.5% | +13.7% | |
| CA | 1.7% | 9.9% | -8.2% | |
| 被困版边时间 | 2.10 | 8.55 | -6.45 | |
| 版边压制 | 6.10 | 11.47 | -5.37 | |
| 斗气前冲（招架） | 10.5% | 7.4% | +3.1% | |
| 受到投技 | 3.80 | 2.09 | +1.71 | |
| 斗气招架 | 0.20 | 1.65 | -1.45 | |
| 斗气技 | 18.0% | 19.2% | -1.2% | |
| 投技 | 3.80 | 2.74 | +1.06 | |
| SA2 | 21.7% | 22.8% | -1.0% | |
| 斗气迸放 | 1.10 | 0.20 | +0.90 | |
| 精准招架 | 0.00 | 0.77 | -0.77 | |
| 受到惩罚反击 | 0.70 | 0.09 | +0.61 | |
| 惩罚反击命中 | 0.70 | 0.13 | +0.57 | |
| 斗气防御 | 12.8% | 13.1% | -0.4% | |
| 斗气反攻 | 0.00 | 0.20 | -0.20 | |
| 招架时被投 | 0.20 | 0.27 | -0.07 | |
| 拆投 | 0.50 | 0.45 | +0.05 | |
| 受到昏厥 | 0.00 | 0.04 | -0.04 | |
| 造成昏厥 | 0.00 | 0.03 | -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
受到惩罚反击：档案 0.7 · 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 0.7 · 参考 0.08
- 惩罚反击命中：档案 0.7 · 参考 0.1
检查近距离选择
投技：档案 3.8 · 参考 2.57
回看五次近距离交锋，区分投技机会、投技尝试和防守选择。仅靠汇总次数无法判断当时的正确答案。
试试这样做在重复场景中记录打击和投技，练习选定的应对，再检查自己能否在实战中有意识地做出判断。
数据依据
- 投技：档案 3.8 · 参考 2.57
- 拆投：档案 0.5 · 参考 0.44
- 受到投技：档案 3.8 · 参考 2.26
明确每次量表消耗的目的
斗气前冲（取消）：档案 12.8% · 参考 38.2%
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
- 斗气前冲（取消）：档案 12.8% · 参考 38.2%
- 斗气前冲（招架）：档案 10.5% · 参考 6.8%
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13日 · AI：nex-agi/nex-n2.5-mini:free
如何应对这位玩家
先试探实际防守反应
斗气招架：档案 0.2 · 参考 1.89
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 0.2 · 参考 1.89
- 精准招架：档案 0 · 参考 0.84
- 斗气反攻：档案 0 · 参考 0.23
把对局战绩当作观察线索
对阵Char 253：39场中获胜17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 253：39场中获胜17场
- 对阵Zangief：19场中获胜5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13日 · AI：nex-agi/nex-n2.5-mini:free