最近一场对战
胜利排位赛
AK
KEAK更新于5天前
Steam
JapanC100%
SteamJapanC100%o-nard-duck
Let's Do This
MR 1,492#323,343最近 10 场4–6-23最近 20 场9–11-24
胜率
50%
116 胜 · 114 负 · 已存 230 场
排位赛对战
230
已选模式
胜场
116
排位赛
负场
114
排位赛
最高 MR
1,527
Akuma
排位 MR · Akuma
本地 223 · 导入 0 · 图表显示 223 · 已存 274 场对战
尚未请求回放
AKKEAK按差值绝对值从大到小排列23 项习惯
| 习惯 | o-nard-duck | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA2 | 30.1% | 22.8% | +7.4% | |
| 斗气前冲（取消） | 27.1% | 32.7% | -5.6% | |
| SA3 | 33.7% | 38.7% | -4.9% | |
| SA1 | 25.3% | 28.6% | -3.3% | |
| 版边压制 | 9.10 | 11.47 | -2.37 | |
| 斗气防御 | 15.0% | 13.1% | +1.8% | |
| 被困版边时间 | 7.60 | 8.55 | -0.95 | |
| CA | 10.8% | 9.9% | +0.9% | |
| 受到投技 | 3.00 | 2.09 | +0.91 | |
| 斗气招架 | 2.40 | 1.65 | +0.75 | |
| 拆投 | 1.00 | 0.45 | +0.55 | |
| 斗气迸放消耗 | 1.0% | 1.5% | -0.5% | |
| 投技 | 3.20 | 2.74 | +0.46 | |
| 斗气技 | 19.0% | 19.2% | -0.2% | |
| 斗气迸放 | 0.10 | 0.20 | -0.10 | |
| 斗气反攻 | 0.30 | 0.20 | +0.10 | |
| 受到惩罚反击 | 0.00 | 0.09 | -0.09 | |
| 斗气前冲（招架） | 7.4% | 7.4% | -0.1% | |
| 招架时被投 | 0.20 | 0.27 | -0.07 | |
| 精准招架 | 0.70 | 0.77 | -0.07 | |
| 受到昏厥 | 0.00 | 0.04 | -0.04 | |
| 造成昏厥 | 0.00 | 0.03 | -0.03 | |
| 惩罚反击命中 | 0.10 | 0.13 | -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。
Akuma · 最近100场
需要改进的地方
检查近距离选择
投技：档案 3.5 · 参考 2.66
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 3.5 · 参考 2.66
- 受到投技：档案 3 · 参考 2.04
让斗气迸放有明确目的
斗气迸放：档案 0.2 · 参考 0.21
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 0.2 · 参考 0.21
- 斗气迸放消耗：档案 1.4% · 参考 1.6%
追踪位置得失的过程
版边压制：档案 9.2 · 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 9.2 · 参考 12.38
- 被困版边时间：档案 7.7 · 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8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
斗气招架：档案 2.8 · 参考 1.8
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 2.8 · 参考 1.8
- 拆投：档案 1 · 参考 0.38
把对局战绩当作观察线索
对阵Juri：113场中获胜96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Juri：113场中获胜96场
- 对阵Akuma：85场中获胜45场
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55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55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8日 · AI：dots-studio/dots-3-note-preview:free