最近一场对战
失败排位赛
AK
MA
AL更新于3天前
Steam
OtherC100%
SteamOtherC100%あおさん
if_exists (SATSUI_NO_HADO)
LP 15,223最近 10 场5–5最近 20 场9–11
胜率
43%
56 胜 · 73 负 · 已存 129 场
排位赛对战
129
已选模式
胜场
56
排位赛
负场
73
排位赛
最高 LP
15,435
Alex
排位 LP · Alex
此角色的 LP 走势
尚未请求回放
AKMAAL按差值绝对值从大到小排列23 项习惯
| 习惯 | あおさん | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA1 | 75.0% | 38.9% | +36.1% | |
| 斗气前冲（取消） | 7.3% | 33.2% | -25.8% | |
| 斗气技 | 38.9% | 13.2% | +25.6% | |
| SA2 | 8.3% | 27.6% | -19.3% | |
| SA3 | 8.3% | 25.2% | -16.8% | |
| 斗气迸放消耗 | 8.5% | 2.0% | +6.5% | |
| 被困版边时间 | 4.80 | 9.50 | -4.70 | |
| 版边压制 | 6.50 | 10.07 | -3.57 | |
| 投技 | 4.20 | 2.24 | +1.96 | |
| 斗气防御 | 12.2% | 14.0% | -1.8% | |
| 斗气招架 | 0.80 | 1.62 | -0.82 | |
| 斗气前冲（招架） | 7.6% | 8.2% | -0.6% | |
| 精准招架 | 0.10 | 0.64 | -0.54 | |
| 受到惩罚反击 | 0.60 | 0.11 | +0.49 | |
| 斗气反攻 | 0.00 | 0.43 | -0.43 | |
| 斗气迸放 | 0.60 | 0.23 | +0.37 | |
| 惩罚反击命中 | 0.40 | 0.14 | +0.26 | |
| 拆投 | 0.40 | 0.51 | -0.11 | |
| 造成昏厥 | 0.00 | 0.10 | -0.10 | |
| 招架时被投 | 0.20 | 0.27 | -0.07 | |
| 受到昏厥 | 0.00 | 0.04 | -0.04 | |
| 受到投技 | 2.20 | 2.18 | +0.02 | |
| CA | 8.3% | 8.3% | +0.0% |
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 0.7 · 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 0.7 · 参考 0.21
找出惩罚反击的原因
受到惩罚反击：档案 0.6 · 参考 0.08
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 0.6 · 参考 0.08
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
验证斗气迸放倾向
斗气迸放：档案 0.7 · 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 0.7 · 参考 0.21
先试探实际防守反应
斗气招架：档案 0.6 · 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 0.6 · 参考 1.8
- 精准招架：档案 0.1 · 参考 0.85
寻找可重复利用的反击机会
受到惩罚反击：档案 0.6 · 参考 0.08
把统计作为观察线索。寻找你已验证在该距离能反击的动作，不要仅凭观感认定它有破绽。
试试这样做该动作出现时，尝试已确认的反击。如果对方不再使用，就恢复平常的距离控制，不必强行寻找机会。
数据依据
- 受到惩罚反击：档案 0.6 · 参考 0.08
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
Alex · 最近100场
需要改进的地方
复盘防守决策
斗气招架：档案 0.8 · 参考 1.63
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
- 斗气招架：档案 0.8 · 参考 1.63
- 精准招架：档案 0.1 · 参考 0.7
找出惩罚反击的原因
受到惩罚反击：档案 0.6 · 参考 0.12
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 0.6 · 参考 0.12
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13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Akuma：33场中获胜20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Akuma：33场中获胜20场
- 对阵Char 253：309场中获胜118场
- 对阵Luke：28场中获胜6场
区分持续倾向与偶发失误
已保存的近期排位赛样本：37场中获胜19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：37场中获胜19场
先试探实际防守反应
斗气招架：档案 0.8 · 参考 1.63
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 0.8 · 参考 1.63
- 精准招架：档案 0.1 · 参考 0.7
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13日 · AI：nex-agi/nex-n2.5-mini:free