最近一场对战
胜利排位赛
CA
AKCA更新于7天前
Steam
ChileC100%
SteamChileC100%DONALD TRUMP
Let's Do This
MR 1,464#401,462最近 10 场8–2+52最近 20 场14–6+72
胜率
53%
55 胜 · 49 负 · 已存 104 场
排位赛对战
104
已选模式
胜场
55
排位赛
负场
49
排位赛
最高 MR
1,491
Cammy
排位 MR · Cammy
本地 104 · 导入 0 · 图表显示 104 · 已存 121 场对战
尚未请求回放
CAAKCA按差值绝对值从大到小排列23 项习惯
| 习惯 | DONALD TRUMP | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA3 | 44.8% | 28.1% | +16.7% | |
| SA2 | 3.4% | 15.6% | -12.1% | |
| SA1 | 32.2% | 44.3% | -12.1% | |
| CA | 19.5% | 8.6% | +10.9% | |
| 斗气前冲（取消） | 48.0% | 40.1% | +7.9% | |
| 版边压制 | 6.90 | 12.32 | -5.42 | |
| 斗气技 | 10.2% | 15.4% | -5.2% | |
| 投技 | 4.20 | 2.35 | +1.85 | |
| 被困版边时间 | 7.30 | 9.05 | -1.75 | |
| 斗气前冲（招架） | 3.5% | 4.9% | -1.3% | |
| 斗气防御 | 9.1% | 9.7% | -0.7% | |
| 受到投技 | 2.60 | 2.12 | +0.48 | |
| 斗气迸放消耗 | 1.7% | 1.3% | +0.4% | |
| 精准招架 | 0.20 | 0.55 | -0.35 | |
| 拆投 | 0.10 | 0.37 | -0.27 | |
| 斗气反攻 | 0.00 | 0.20 | -0.20 | |
| 受到惩罚反击 | 0.20 | 0.06 | +0.14 | |
| 惩罚反击命中 | 0.20 | 0.09 | +0.11 | |
| 造成昏厥 | 0.00 | 0.07 | -0.07 | |
| 招架时被投 | 0.30 | 0.23 | +0.07 | |
| 受到昏厥 | 0.00 | 0.05 | -0.05 | |
| 斗气迸放 | 0.20 | 0.15 | +0.05 | |
| 斗气招架 | 1.50 | 1.47 | +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。
Cammy · 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 0.2 · 参考 0.06
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 0.2 · 参考 0.06
检查近距离选择
投技：档案 4.2 · 参考 2.43
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 4.2 · 参考 2.43
- 受到投技：档案 2.6 · 参考 2.13
研究反复出现的角色对局场景
对阵Ryu：144场中获胜75场
用引用的角色对战记录选择要看的录像，寻找多场败局中重复的决策，并与胜局比较后再下结论。
试试这样做选择对阵该角色时反复出现的一个场景，在训练中验证替代应对，并记录接下来五场中的这一判断。
数据依据
- 对阵Ryu：144场中获胜75场
- 对阵Char 253：912场中获胜445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
区分持续倾向与偶发失误
已保存的近期排位赛样本：100场中获胜53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：100场中获胜53场
把对局战绩当作观察线索
对阵Ryu：144场中获胜75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：144场中获胜75场
- 对阵Char 253：912场中获胜445场
先试探实际防守反应
斗气反攻：档案 0 · 参考 0.18
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
- 斗气反攻：档案 0 · 参考 0.18
- 精准招架：档案 0.2 · 参考 0.54
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