最近一场对战
失败休闲赛
AK
MAAK更新于7天前
Steam
JapanC100%
SteamJapanC100%おばけたろう
Winning is Fun.
MR 1,530#162,667最近 10 场4–1+23最近 20 场4–1+23
胜率
80%
4 胜 · 1 负 · 已存 5 场
排位赛对战
5
已选模式
胜场
4
排位赛
负场
1
排位赛
最高 MR
1,530
Akuma
排位 MR · Akuma
本地 5 · 导入 0 · 图表显示 5 · 已存 61 场对战
尚未请求回放
AKMAAK按差值绝对值从大到小排列23 项习惯
| 习惯 | おばけたろう | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| 斗气技 | 36.7% | 19.2% | +17.5% | |
| 斗气前冲（取消） | 18.0% | 32.7% | -14.7% | |
| SA3 | 48.1% | 38.7% | +9.5% | |
| CA | 3.7% | 9.9% | -6.2% | |
| SA2 | 16.7% | 22.8% | -6.1% | |
| 斗气迸放消耗 | 5.1% | 1.5% | +3.6% | |
| 斗气防御 | 10.3% | 13.1% | -2.9% | |
| SA1 | 31.5% | 28.6% | +2.8% | |
| 版边压制 | 8.90 | 11.47 | -2.57 | |
| 被困版边时间 | 6.90 | 8.55 | -1.65 | |
| 斗气前冲（招架） | 6.7% | 7.4% | -0.7% | |
| 斗气招架 | 1.00 | 1.65 | -0.65 | |
| 投技 | 2.10 | 2.74 | -0.64 | |
| 受到投技 | 1.50 | 2.09 | -0.59 | |
| 精准招架 | 0.20 | 0.77 | -0.57 | |
| 拆投 | 0.20 | 0.45 | -0.25 | |
| 斗气反攻 | 0.00 | 0.20 | -0.20 | |
| 受到惩罚反击 | 0.20 | 0.09 | +0.11 | |
| 斗气迸放 | 0.30 | 0.20 | +0.10 | |
| 惩罚反击命中 | 0.20 | 0.13 | +0.07 | |
| 招架时被投 | 0.20 | 0.27 | -0.07 | |
| 受到昏厥 | 0.10 | 0.04 | +0.06 | |
| 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。
Akuma · 最近100场
需要改进的地方
复盘防守决策
斗气反攻：档案 0 · 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 · 参考 0.22
- 精准招架：档案 0.2 · 参考 0.85
让斗气迸放有明确目的
斗气迸放：档案 0.3 · 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 0.3 · 参考 0.21
- 斗气迸放消耗：档案 5.5% · 参考 1.6%
追踪位置得失的过程
版边压制：档案 8.9 · 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 8.9 · 参考 12.38
- 被困版边时间：档案 7.2 · 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
把对局战绩当作观察线索
对阵JP：51场中获胜23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JP：51场中获胜23场
- 对阵C. Viper：32场中获胜12场
- 对阵Alex：17场中获胜6场
先试探实际防守反应
斗气反攻：档案 0 · 参考 0.22
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 0.22
- 精准招架：档案 0.2 · 参考 0.85
根据当前量表调整
SA3：档案 44.6% · 参考 35.7%
对战时关注实际斗气和超必杀量表。档案中的消耗倾向只是待验证的线索，不能预测燃尽或保证反击机会。
试试这样做对方大幅消耗后，接近前先重新评估双方可用选择。如果其资源决策与统计不同，就以当前场面为准。
数据依据
- SA3：档案 44.6% · 参考 35.7%
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