最近一场对战
失败排位赛
AK
KIAK
CrossPlatform
JapanC100%weak MoB
Fighting God Incarnate
LP 18,397最近 10 场2–8最近 20 场6–14
胜率
33%
8 胜 · 16 负 · 已存 24 场
排位赛对战
24
已选模式
胜场
8
排位赛
负场
16
排位赛
最高 LP
21,986
Akuma
排位 LP · Akuma
此角色的 LP 走势
尚未请求回放
AKKIAK按差值绝对值从大到小排列23 项习惯
| 习惯 | weak MoB | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气前冲（取消） | 47.5% | 32.7% | +14.7% | |
| 斗气防御 | 2.6% | 13.1% | -10.5% | |
| SA2 | 32.4% | 22.8% | +9.6% | |
| SA3 | 29.4% | 38.7% | -9.3% | |
| SA1 | 20.6% | 28.6% | -8.1% | |
| CA | 17.6% | 9.9% | +7.7% | |
| 斗气前冲（招架） | 0.3% | 7.4% | -7.2% | |
| 版边压制 | 7.20 | 11.47 | -4.27 | |
| 斗气技 | 16.4% | 19.2% | -2.8% | |
| 被困版边时间 | 6.40 | 8.55 | -2.15 | |
| 斗气迸放消耗 | 2.9% | 1.5% | +1.4% | |
| 斗气招架 | 0.70 | 1.65 | -0.95 | |
| 精准招架 | 0.20 | 0.77 | -0.57 | |
| 投技 | 2.20 | 2.74 | -0.54 | |
| 拆投 | 0.10 | 0.45 | -0.35 | |
| 受到惩罚反击 | 0.40 | 0.09 | +0.31 | |
| 斗气反攻 | 0.00 | 0.20 | -0.20 | |
| 招架时被投 | 0.10 | 0.27 | -0.17 | |
| 斗气迸放 | 0.30 | 0.20 | +0.10 | |
| 惩罚反击命中 | 0.20 | 0.13 | +0.07 | |
| 受到昏厥 | 0.10 | 0.04 | +0.06 | |
| 造成昏厥 | 0.00 | 0.03 | -0.03 | |
| 受到投技 | 2.10 | 2.09 | +0.01 |
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
受到惩罚反击：档案 0.4 · 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 0.4 · 参考 0.08
复盘防守决策
斗气招架：档案 0.7 · 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 0.7 · 参考 1.8
- 精准招架：档案 0.2 · 参考 0.85
- 斗气反攻：档案 0 · 参考 0.22
追踪位置得失的过程
版边压制：档案 7.2 · 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 7.2 · 参考 12.38
- 被困版边时间：档案 6.4 · 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
把对局战绩当作观察线索
对阵Akuma：90场中获胜36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Akuma：90场中获胜36场
- 对阵Zangief：75场中获胜35场
- 对阵Ryu：73场中获胜35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