最近一场对战
胜利排位赛
AK
RYAK更新于2天前
CrossPlatform
JapanC100%
CrossPlatformJapanC100%nunu
Let's Do This
MR 1,302#604,893最近 10 场6–4+20最近 20 场12–8+39
胜率
58%
21 胜 · 15 负 · 已存 36 场
排位赛对战
36
已选模式
胜场
21
排位赛
负场
15
排位赛
最高 MR
1,302
Akuma
排位 MR · Akuma
本地 36 · 导入 72 · 图表显示 78 · 已存 36 场对战
尚未请求回放
AKRYAK按差值绝对值从大到小排列23 项习惯
| 习惯 | nunu | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气前冲（取消） | 11.1% | 32.7% | -21.6% | |
| CA | 28.6% | 9.9% | +18.7% | |
| SA2 | 5.7% | 22.8% | -17.0% | |
| 斗气技 | 35.9% | 19.2% | +16.7% | |
| SA1 | 14.3% | 28.6% | -14.4% | |
| SA3 | 51.4% | 38.7% | +12.8% | |
| 斗气迸放消耗 | 7.9% | 1.5% | +6.4% | |
| 版边压制 | 6.90 | 11.47 | -4.57 | |
| 斗气防御 | 10.1% | 13.1% | -3.1% | |
| 被困版边时间 | 5.50 | 8.55 | -3.05 | |
| 斗气前冲（招架） | 6.0% | 7.4% | -1.4% | |
| 斗气迸放 | 0.90 | 0.20 | +0.70 | |
| 精准招架 | 0.20 | 0.77 | -0.57 | |
| 斗气招架 | 1.10 | 1.65 | -0.55 | |
| 惩罚反击命中 | 0.60 | 0.13 | +0.47 | |
| 受到惩罚反击 | 0.30 | 0.09 | +0.21 | |
| 招架时被投 | 0.10 | 0.27 | -0.17 | |
| 斗气反攻 | 0.30 | 0.20 | +0.10 | |
| 受到昏厥 | 0.10 | 0.04 | +0.06 | |
| 拆投 | 0.50 | 0.45 | +0.05 | |
| 投技 | 2.70 | 2.74 | -0.04 | |
| 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
让斗气迸放有明确目的
斗气迸放：档案 0.9 · 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 0.9 · 参考 0.21
- 斗气迸放消耗：档案 7.7% · 参考 1.4%
复盘防守决策
斗气反攻：档案 0.4 · 参考 0.22
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
- 斗气反攻：档案 0.4 · 参考 0.22
- 精准招架：档案 0.2 · 参考 0.8
找出惩罚反击的原因
受到惩罚反击：档案 0.3 · 参考 0.07
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 0.3 · 参考 0.07
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12日 · AI：nex-agi/nex-n2.5-mini:free
如何应对这位玩家
把对局战绩当作观察线索
对阵Luke：51场中获胜24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Luke：51场中获胜24场
- 对阵Ken：42场中获胜27场
- 对阵Zangief：52场中获胜29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12日 · AI：nex-agi/nex-n2.5-mini:free