最近一场对战
AKzagahu
排位 MR · Akuma
本地 100 · 导入 0 · 图表显示 100 · 已存 100 场对战
| 习惯 | zagahu | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA3 | 53.6% | 38.7% | +14.9% | |
| SA2 | 10.7% | 22.8% | -12.0% | |
| 斗气前冲(取消) | 43.6% | 32.7% | +10.9% | |
| SA1 | 21.4% | 28.6% | -7.2% | |
| 斗气防御 | 8.5% | 13.1% | -4.7% | |
| CA | 14.3% | 9.9% | +4.4% | |
| 版边压制 | 8.20 | 11.47 | -3.27 | |
| 斗气迸放消耗 | 3.5% | 1.5% | +2.0% | |
| 斗气技 | 17.6% | 19.2% | -1.6% | |
| 斗气前冲(招架) | 6.1% | 7.4% | -1.3% | |
| 斗气招架 | 0.70 | 1.65 | -0.95 | |
| 投技 | 3.50 | 2.74 | +0.76 | |
| 精准招架 | 0.10 | 0.77 | -0.67 | |
| 被困版边时间 | 8.10 | 8.55 | -0.45 | |
| 拆投 | 0.20 | 0.45 | -0.25 | |
| 斗气反攻 | 0.40 | 0.20 | +0.20 | |
| 受到投技 | 2.20 | 2.09 | +0.11 | |
| 斗气迸放 | 0.30 | 0.20 | +0.10 | |
| 惩罚反击命中 | 0.20 | 0.13 | +0.07 | |
| 造成昏厥 | 0.10 | 0.03 | +0.07 | |
| 受到昏厥 | 0.10 | 0.04 | +0.06 | |
| 招架时被投 | 0.30 | 0.27 | +0.03 | |
| 受到惩罚反击 | 0.10 | 0.09 | +0.01 |
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 0.4 · 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 4% · 参考 1.4%
检查近距离选择
投技:档案 4 · 参考 2.8
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 4 · 参考 2.8
- 受到投技:档案 2.5 · 参考 1.99
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7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 0.4 · 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 4% · 参考 1.4%
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7日 · AI:nex-agi/nex-n2.5-mini:free

