最近一场对战
胜利排位赛
AK
KEAK更新于23小时前
CrossPlatform
JapanC100%
CrossPlatformJapanC100%だくりゅう
Destroyer of the Heavens
MR 1,501#251,682最近 10 场6–4+17最近 20 场13–7+48
胜率
56%
102 胜 · 81 负 · 已存 183 场
排位赛对战
183
已选模式
胜场
102
排位赛
负场
81
排位赛
最高 MR
1,501
Akuma
排位 MR · Akuma
本地 183 · 导入 155 · 图表显示 239 · 已存 183 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 | だくりゅう | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA3 | 64.5% | 38.7% | +25.8% | |
| SA1 | 6.5% | 28.6% | -22.2% | |
| SA2 | 9.7% | 22.8% | -13.1% | |
| CA | 19.4% | 9.9% | +9.4% | |
| 斗气技 | 27.7% | 19.2% | +8.5% | |
| 斗气前冲（取消） | 27.8% | 32.7% | -4.9% | |
| 被困版边时间 | 10.70 | 8.55 | +2.15 | |
| 斗气迸放消耗 | 3.2% | 1.5% | +1.7% | |
| 斗气前冲（招架） | 6.3% | 7.4% | -1.2% | |
| 版边压制 | 10.50 | 11.47 | -0.97 | |
| 斗气招架 | 2.30 | 1.65 | +0.65 | |
| 投技 | 3.30 | 2.74 | +0.56 | |
| 精准招架 | 0.40 | 0.77 | -0.37 | |
| 斗气防御 | 12.8% | 13.1% | -0.3% | |
| 拆投 | 0.20 | 0.45 | -0.25 | |
| 斗气迸放 | 0.40 | 0.20 | +0.20 | |
| 受到投技 | 1.90 | 2.09 | -0.19 | |
| 惩罚反击命中 | 0.30 | 0.13 | +0.17 | |
| 造成昏厥 | 0.20 | 0.03 | +0.17 | |
| 受到惩罚反击 | 0.20 | 0.09 | +0.11 | |
| 受到昏厥 | 0.10 | 0.04 | +0.06 | |
| 招架时被投 | 0.30 | 0.27 | +0.03 | |
| 斗气反攻 | 0.20 | 0.20 | +0.00 |
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 0.2 · 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 0.2 · 参考 0.07
- 惩罚反击命中：档案 0.3 · 参考 0.11
让斗气迸放有明确目的
斗气迸放：档案 0.4 · 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 0.4 · 参考 0.21
- 斗气迸放消耗：档案 3.2% · 参考 1.4%
复盘防守决策
拆投：档案 0.2 · 参考 0.4
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
- 拆投：档案 0.2 · 参考 0.4
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58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58场
验证斗气迸放倾向
斗气迸放：档案 0.4 · 参考 0.21
观察特定场景下是否反复出现斗气迸放。考虑距离、硬直和量表，准备在训练中验证过的应对。
试试这样做再次进入该场景时，采用更少暴露破绽的行动。如果迸放出现，就使用练过的应对；如果没有，就回到常规计划。
数据依据
- 斗气迸放：档案 0.4 · 参考 0.21
- 斗气迸放消耗：档案 3.2% · 参考 1.4%
先试探实际防守反应
拆投：档案 0.2 · 参考 0.4
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
- 拆投：档案 0.2 · 参考 0.4
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