Add EAR meeting pitch doc

Minimal one-page sell doc for advisor meeting. Leads with dispatch
coupling insight + 8x amplification number, then workload chars,
three baseline failure modes, EAR two-pillar design, progress/TODO/risk.

Uses the 8 figs already in figs/. Migration Pillar 2 explicitly marked
as design-complete-validation-pending (the 4 prior reverts + DR-fix
context).

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

MEETING.md

@@ -0,0 +1,112 @@
+# EAR — Agentic Serving Scheduler 汇报
+
+**One-liner**：Agentic workload 的 KV reuse 93% 在 session 内，turn 间 tool-call 反馈耦合把单 request 延迟差放大成 throughput 差距 —— locality 因此是主导调度杠杆；现有 load-balance 丢 locality、static PD-disagg 撞 D 侧 KV 墙、pure sticky 造 hot pin；我们提 EAR (Elastic Affinity Router) = session-affinity routing + hot-instance 触发 session migration。
+
+---
+
+## 1. 关键洞察：Dispatch Coupling
+
+Chatbot：turn 间有人类 think-time，系统快慢 ⊥ 下一 turn 到达率。
+Agentic：turn 间只有 tool-call 返回 (≈0)，**系统跑慢 → session 停留长 → 并发多 → KV pool 紧 → 更慢**。
+
+Little's Law 隐式方程：
+
+```
+L = Λ · N · W_turn(L)        # agentic, T_human≈0
+```
+
+小扰动分析：amplification = `1 / (1 − Λ·N·W'(L*))`，系统接近 KV 饱和时发散。
+
+**实测**：lmetric 跑 600s trace 用 49 min wall-clock = **8x amplification**。同硬件 unified 比 lmetric session 清空速度 ~3x。**per-turn W 的小差异被放大成 wall-clock 数量级差距** —— 这意味着 locality 不是 nice-to-have，是 dominant lever。
+
+---
+
+## 2. Workload 实证（三件事）
+
+| | 数据 | 图 |
+|---|---|---|
+| KV reuse 几乎只在 session 内 | intra 93.2% / cross 5.7% / shared 1.1% | ![](figs/f2a_reuse_topology.png) |
+| Session 极度偏斜 | top 1% = 46.5% input mass | ![](figs/f2b_session_skew.png) |
+| 单请求 KV footprint 已经很大 | p99 = 11.8 GiB ≈ H20 12% | ![](figs/f2c_kv_footprint_cdf.png) |
+
+理论 APC 上界 = intra-session 79.6% / any-session 80.3%，差 <1pp。**任何不 affinity 的调度都丢绝大部分 reuse。**
+
+---
+
+## 3. 现有调度的三种失败模式
+
+### Load-balanced (LMetric / round-robin / kv-aware)：丢 locality
+
+![](figs/f4a_apc_loss.png)
+
+LMetric 56.9%、load_only 54.1%、capped 31.6% APC，远低于 79.6% 上界。23pp 缺口直接来自跨 instance 路由丢的 intra-session hit。
+
+### 静态 PD-disagg：D 侧 KV 容量墙
+
+![](figs/f4b_pdsep_kv_wall.pdf)
+
+agentic 平均请求 33.6k token 需 3.3GB KV；4P+4D / 6P+2D 在 agentic regime 都穿过 90% 内存墙。**TTFT p50 暴涨 62-72x，成功率 99.5% → 52-68%**。
+
+### Pure sticky / current unified：hot pin
+
+![](figs/f4c_apc_vs_hotspot_tradeoff.png)
+
+APC 拉到 77-79%（接近上界），但 hotspot index 翻倍：sticky 2.73、unified 3.66 vs lmetric 2.25、load_only 1.29。skew 中的大 session 被锁在单 instance 上，造成 prefill-decode 干扰。
+
+---
+
+## 4. EAR 设计
+
+两个 pillar，所有 instance 对称 PD-colocated（无静态 P/D 分区）：
+
+**Pillar 1 — Affinity-default routing（已实现）**
+新 session 用 load-balance 分配 host；后续 turn 按 session→host binding 路由。
+→ 这就是当前 `unified` 算法（hybrid LMetric + high-cache affinity），APC 79.4%，达到上界 97%。
+
+**Pillar 2 — Hot-triggered session migration（实证待补）**
+当 host 的 `pending_prefill_tokens > T_hot`，把整个 session 的 KV 通过 mooncake `kv_connector` migrate 到更轻 instance；session binding 更新；后续 turn 路由到新 host。
+
+关键 design：
+- Target 选择用 **observable pending prefill tokens**，**不用** cost-model prediction（实测 mooncake cost model 误差 10-21x，绕过）
+- Per-session cooldown 防 thrashing
+- 若无候选 instance 能装下 session context → 保留当前 binding，opportunistic 不 mandatory
+
+---
+
+## 5. 进展 & TODO
+
+### ✅ 已完成
+
+- Workload characterization 三件事的实证齐全（`f2a/b/c`）
+- 三类 baseline 失败的实证齐全（`f4a/b/c/d`）
+- Anchor + paper outline（`PAPER_OUTLINE.md`）
+- Pillar 1 affinity routing 已实现并测过（current `unified` 算法）
+- Dispatch coupling 的 Little's Law 形式化推导
+- `replayer/replay.py` patched 输出 `amplification`
+
+### 🟢 不依赖 migration 可以现在做
+
+1. **5 baseline × 3 runs wall-clock sweep**（patched replayer 直接出 amplification 字段）— §2.3 的实证 closure，**最高优先级**，一晚能跑完
+2. Static PD-disagg 补进 end-to-end 表
+3. λ / skew / KV pool 三轴 sensitivity
+4. Draft §1-§4 正文（数据已齐）
+
+### 🚧 待 migration validation
+
+- §4.3 migration mechanism 在 `connector_tax` DR-fix 之上重测
+- Full ablation（migration-only + both）
+- §5.6 migration microbench
+
+### 风险
+
+- Migration 之前 4 次尝试（`6b255fa`, `e991960/5772149`, `cc6e562`, `4c583f2`）都被 transfer overhead 吞掉而 revert
+- 最近 DR-fix 把 `build_connector_meta` slope +81 → -0.7 μs/1k blocks，但**未在 trace replay 上验证**
+- 若 migration validation fail，paper 可 pivot 成 "affinity-only is enough" —— 仍然能发，强度降一档
+
+---
+
+## 6. 一句话总结要 sell 的事
+
+> **Agentic 让 locality 从 nice-to-have 变成 dominant lever（dispatch coupling 论证）；EAR 用 affinity-default + hot-triggered migration 单一方案同时拿到 locality 和 balance。Pillar 1 已实证（APC 79.4%）；Pillar 2 design 完整、validation pending in DR-fix 之上的重测。**
+
+下一步主战场：跑 wall-clock sweep 把 §2.3 dispatch coupling 论证钉死。

PAPER_OUTLINE.md

@@ -4,6 +4,26 @@
 
 ---
 
+## 📊 Validation Status (2026-05-27)
+
+| 部分 | 现有数据 | 待补 |
+|---|---|---|
+| §2 Workload characterization | ✅ 完整 (3 张图复用) | — |
+| §3.1 Load-balance 丢 locality | ✅ 完整 (`f4a`) | — |
+| §3.2 静态 PD-disagg 撞 KV 墙 | ✅ 完整 (`f4b`) | — |
+| §3.3 Sticky 造 hot pin | ✅ 完整 (`f4c`, `f4d`) | — |
+| §4.1-2 Affinity routing | ✅ 已实现（current `unified` 算法）| — |
+| §4.3 Migration mechanism | 🚧 **DEFERRED** | 待 connector_tax fix 后重测 |
+| §5.2 End-to-end | ⚠️ 5/6 baseline 有数据 (`f6`) | 缺 static PD-disagg；EAR 列待 migration |
+| §5.3 Ablation | 🚧 **PARTIAL DEFER** | 仅 affinity-only 现可做，full 待 migration |
+| §5.4 Dispatch coupling validation | 🚧 **NEW DATA NEEDED** | 5 baseline wall-clock 重跑（Phase 1 patch 后）|
+| §5.5 Sensitivity | 🚧 **PARTIAL DEFER** | λ/skew/KV pool 可做；`T_hot`/`T_cool` 待 migration |
+| §5.6 Migration microbench | 🚧 **FULL DEFER** | 完全依赖 migration validation |
+
+**前提背景**：team 之前 4 次尝试 migration 都因 transfer overhead 被还原（见 `analysis/unified_routing_fix_review.md`）；最近 `connector_tax` 工作的 DR-fix 把 build_connector_meta 的 1.4ms/step overhead 降到接近 0，但还未跑过完整 migration 实验。**EAR 的 migration 部分目前是 design intent，待重测后写入实证。**
+
+---
+
 ## §1 Introduction
 
 Agentic LLM workload —— 由 LLM 通过 tool call 自驱、多 turn 完成任务 —— 已经成为推理系统的主导负载，但现有为 chatbot 设计的调度策略在 agentic 下普遍失败。本文先刻画 agentic 与 chatbot 的本质区别，然后说明为什么三类主流调度都不够，最后给出 EAR 设计。
@@ -14,8 +34,8 @@ Agentic LLM workload —— 由 LLM 通过 tool call 自驱、多 turn 完成任
 - **C2 EAR 设计**：两个 pillar 的调度器 —— affinity-default routing 抓 intra-session locality，hot-instance 触发的 session migration 在 hotspot 出现时把整个 session 的 KV 搬到更轻的 instance，避免 hot pin。
 - **C3 评估**：在真实 Qwen3-Coder agentic trace 上，EAR 同时 dominate 5 个 baseline 的 TTFT、TPOT、APC、hotspot index、wall-clock 五个维度。
 
-![Figure 1: Teaser — wall-clock vs trace-time across schedulers](figs/f1_teaser.png)
-**TBD**: 把 5 个 baseline + EAR 的 (wall-clock / trace-time) 比值画成一张 bar chart 或散点图，配一条 y=1 的参考线。
+**Figure 1: Teaser — wall-clock vs trace-time across schedulers** — `figs/f1_teaser.png` **🚧 TBD (NEW DATA NEEDED)**
+> Needs Phase 3 measurements: 5 baselines × 3 runs of trace replay, extract `amplification = wall_clock_s / trace_span_s` from each summary (Phase 1 patch already exposes the field). Plot as bar chart with y=1 reference line. EAR row 暂为 TBD（待 migration validation）。
 
 ---
 
@@ -43,8 +63,12 @@ Trace 上 KV reuse 的分解：
 
 理论 APC 上界：any-session **80.3%**，intra-session-only **79.6%**，差距 <1pp。**cache 本质上是 session-local 的**；任何不保留 session affinity 的调度都丢掉绝大部分 reuse 机会。
 
-![Figure 2: KV reuse topology + session skew](figs/f2_workload.png)
-**TBD**: 两个 subplot 一张图 —— 左：reuse pie；右：session input-token CDF (highlight top 1% = 46.5%).
+**Figure 2: Workload characterization (3 panels)** — 现有数据可复用：
+- `figs/f2a_reuse_topology.png` ✅ — intra-session 93.2% / cross-session 5.7% / shared 1.1% bar
+- `figs/f2b_session_skew.png` ✅ — top 1%/5%/10% session input-token mass
+- `figs/f2c_kv_footprint_cdf.png` ✅ — per-request KV footprint p50/p90/p95/p99 (p99 = 11.8 GiB ≈ 12% of H20)
+
+> 📝 Layout TBD：三张拼成 1×3 还是分散到 §2.1/§2.2/§2.4 各一张。
 
 ### §2.3 Dispatch Coupling — Why Locality Dominates
 
@@ -78,8 +102,8 @@ dL/dε|_{ε=0} = L* / (1 − Λ · N · W'_turn(L*))
 ```
 **分母接近 0** 时（系统接近 KV 饱和），放大系数发散。这就是为什么 lmetric 在 600s trace 上跑出 8x wall-clock 放大。
 
-![Figure 3: Dispatch coupling — chatbot vs agentic timing schematic](figs/f3_coupling_schematic.png)
-**TBD**: 一张示意图，并排画 chatbot timeline (system→human→system→human...) 和 agentic timeline (system→system→system...)，标出 `T_human` 缓冲不存在导致 `W_turn` 直接进入 `Λ` 的环路。
+**Figure 3: Dispatch coupling schematic** — `figs/f3_coupling_schematic.png` **🚧 TBD (CUSTOM DRAW)**
+> 需要新画一张示意图：上半 chatbot timeline（`system → T_human → system → T_human → ...`），下半 agentic timeline（`system → ε → system → ε → ...`），右侧叠一个反馈环箭头 `W_turn → Λ → L → W_turn`。适合用 TikZ / draw.io / matplotlib annotate。
 
 ### §2.4 Takeaway
 
@@ -103,8 +127,12 @@ Round-robin 和 load-aware routing（如 LMetric, OSDI'26）最大化 instance
 
 硬 session-instance 绑定恢复 locality（APC **77.2%**，达到上界 97%），但把 skew 中的大 session 锁在单 instance 上，**interference index 从 LMetric 的 6.53 翻倍到 13.65**（同 trace 同硬件）。违反 §2.4 的 skew 容忍要求。
 
-![Figure 4: Three baselines, three failure modes](figs/f4_baseline_failures.png)
-**TBD**: 三个 baseline × 三个失败维度的 bar chart 或 radar。视觉上让"每个 baseline 在自己失败的维度有一根明显高/低的柱"立刻能看出来。
+**Figure 4: Three baselines, three failure modes** — 拆成三个子图，分别放在 §3.1/§3.2/§3.3：
+- §3.1 `figs/f4a_apc_loss.png` ✅ — APC 实测 vs 理论上界 79.6% (lmetric 56.9%, load_only 54.1%, capped 31.6%, sticky 77.2%, unified 79.4%)
+- §3.2 `figs/f4b_pdsep_kv_wall.pdf` ✅ — D 侧 KV pool 占用 vs per-request KV footprint，4P+4D 和 6P+2D 在 agentic regime 都穿过 90% 内存墙
+- §3.3 `figs/f4c_apc_vs_hotspot_tradeoff.png` ✅ — APC vs hotspot index 散点（unified/sticky 在高 APC 高 hotspot 区，lmetric/load_only 在低 APC 低 hotspot 区）
+
+> 📝 可选 `figs/f4d_pd_interference.png` ✅ — Prefill-decode 干扰（同 GPU 8k prefill 让 TPOT 退化 66x），放 §3.3 支撑 sticky 的 interference 论证。
 
 ### §3.4 Takeaway
 
@@ -118,8 +146,8 @@ Round-robin 和 load-aware routing（如 LMetric, OSDI'26）最大化 instance
 
 EAR 是位于 N 个同质 instance 之上的 router。每个 instance 是对称的 PD-colocated，没有静态 P/D 分区。每个 session 在 router 内维护一个 **host binding** —— 当前持有该 session KV 状态的 instance。Binding 在常态下稳定，仅在 hotspot 触发时通过 migration 改变。
 
-![Figure 5: EAR architecture and request flow](figs/f5_architecture.png)
-**TBD**: 一张组件图 —— router (含 session→host table) → N 个 symmetric instances；migration path 用虚线标出。
+**Figure 5: EAR architecture and request flow** — `figs/f5_architecture.png` **🚧 TBD (CUSTOM DRAW)**
+> 组件图：router (含 session→host table) → N 个 symmetric instances；affinity 路径实线，migration path 虚线。适合 TikZ / draw.io。
 
 ### §4.2 Pillar 1: Affinity-Default Routing
 
@@ -127,10 +155,12 @@ EAR 是位于 N 个同质 instance 之上的 router。每个 instance 是对称
 - **Warm path**：已建立 session 的后续每个 turn 一律路由到当前 host
 - **效果**：intra-session KV reuse 被构造性保留，APC 接近 §2.2 的上界 79.6%
 
-### §4.3 Pillar 2: Hot-Triggered Session Migration
+### §4.3 Pillar 2: Hot-Triggered Session Migration 🚧 DEFERRED VALIDATION
 
 避免 Pillar 1 退化成 pure sticky 的关键 mechanism。
 
+> **状态**：Design 描述完整，但实证数据待 `connector_tax` DR-fix 之后重测。之前 4 次 migration 尝试（`6b255fa`, `e991960/5772149`, `cc6e562`, `4c583f2`）都因 transfer overhead 被还原 —— 直到 DR-fix 之前，migration 的实测收益始终被 overhead 吞掉。新一轮验证未跑。
+
 #### §4.3.1 Trigger signal
 
 EAR 实时监控每个 instance 的 **pending prefill tokens**。新 request 到达且按 affinity 应该路由到 host H 时，router 先检查：
@@ -185,8 +215,9 @@ KV transfer 发生在触发该 migration 的 request 的 critical path 上，但
 
 ### §5.2 End-to-end Performance
 
-![Figure 6: End-to-end metrics across 6 schedulers](figs/f6_e2e.png)
-**TBD**: TTFT/TPOT/APC/hotspot 四个 subplot 或一张雷达图。
+**Figure 6: End-to-end performance** — `figs/f6_e2e_latency_bars.png` ✅ (PARTIAL)
+> 现有：TTFT/TPOT/E2E p90 bar chart × 5 policies (lmetric / load_only / sticky / unified / capped)。
+> **🚧 TBD (NEW DATA)**：缺 `static PD-disagg` 那一列；EAR 列也是 TBD（需 migration validation）。要再补一张同样格式但包含全 6 个 baseline 的图。
 
 | Scheduler | TTFT p50 | TTFT p90 | TPOT p90 | APC | Hotspot idx | Wall-clock factor |
 |---|---|---|---|---|---|---|
@@ -199,7 +230,7 @@ KV transfer 发生在触发该 migration 的 request 的 critical path 上，但
 
 (粗体数字来自现有 "unified" 原型测量。)
 
-### §5.3 Ablation
+### §5.3 Ablation 🚧 PARTIAL DEFER
 
 我们独立关闭两个 pillar:
 
@@ -207,8 +238,8 @@ KV transfer 发生在触发该 migration 的 request 的 critical path 上，但
 - **EAR (migration only)**: cold-balance + reactive migration，无 affinity；衡量 migration 能否独立成立
 - **EAR (full)**: 两个 pillar 都开
 
-![Figure 7: Ablation across 4 configurations](figs/f7_ablation.png)
-**TBD**: 2×2 grid 或并排 bar chart。
+**Figure 7: Ablation** — `figs/f7_ablation.png` **🚧 TBD — DEFERRED (BLOCKED ON MIGRATION VALIDATION)**
+> 完整 ablation 需要 migration-only / both / affinity-only 三个配置。Migration-only 和 both 都依赖 migration 重测。现阶段可先做 affinity-only vs load-balance 的两点对比（已有数据：unified 79.4% APC vs lmetric 56.9% APC）。
 
 预期结论：affinity-only 拿到 locality 但 interference 翻倍；migration-only 抓不住 locality；两者都必须。
 
@@ -219,8 +250,8 @@ KV transfer 发生在触发该 migration 的 request 的 critical path 上，但
 - 单 turn 平均服务时间 `W_turn`（x 轴）
 - Wall-clock / trace-time amplification（y 轴）
 
-![Figure 8: Wall-clock amplification vs per-turn service time](figs/f8_coupling_measured.png)
-**TBD**: 每个 baseline 一个点；理论曲线 `1/(1 − Λ·N·W'(L*))` 叠加为参考线。
+**Figure 8: Wall-clock amplification vs per-turn service time** — `figs/f8_coupling_measured.png` **🚧 TBD (NEW DATA)**
+> 散点：x = 平均 per-turn `W_turn`（从 per-request metrics 算 TTFT + decode_time），y = amplification (`wall_clock / trace_span`，Phase 1 patch 已暴露)。每个 baseline 一个点。理论曲线 `L*/(1 − Λ·N·W'(L*))` 叠加（可选）。这是 §2.3 论证的实证 closure，**优先级最高**。
 
 预期：EAR 在 `W_turn` 最小且放大系数最低的角上。
 
@@ -234,9 +265,10 @@ KV transfer 发生在触发该 migration 的 request 的 critical path 上，但
 | `T_hot` (migration threshold) | TBD | 触发太宽 → thrash，太严 → 错过 |
 | `T_cool` (cooldown) | TBD | 同上 |
 
-![Figure 9: Sensitivity heatmaps](figs/f9_sensitivity.png)
+**Figure 9: Sensitivity heatmaps** — `figs/f9_sensitivity.png` **🚧 TBD (NEW DATA, PARTIAL DEFER)**
+> Arrival rate / skew / KV pool size 这三轴可现在做（不依赖 migration）；`T_hot` / `T_cool` 两轴依赖 migration validation，deferred。
 
-### §5.6 Migration Microbenchmark
+### §5.6 Migration Microbenchmark 🚧 FULL DEFER
 
 刻画 EAR 内部 migration 行为：
 
@@ -245,8 +277,8 @@ KV transfer 发生在触发该 migration 的 request 的 critical path 上，但
 - Migration accuracy：迁移后 target instance 在接下来 TBD 个 turn 内保持非 hot 的比例
 - Thrashing rate：cooldown 窗口内多次迁移的 session 占比（应为 0）
 
-![Figure 10: Migration timeline over a 60s window](figs/f10_migration_timeline.png)
-**TBD**: 时间轴上每个 instance 的 pending prefill tokens heatmap，migration 事件以箭头标出。
+**Figure 10: Migration timeline** — `figs/f10_migration_timeline.png` **🚧 TBD — DEFERRED (BLOCKED ON MIGRATION VALIDATION)**
+> 时间轴上每个 instance 的 pending prefill tokens heatmap，migration 事件以箭头标出。完全依赖 migration 重测。
 
 ---
 
@@ -273,11 +305,43 @@ KV transfer 发生在触发该 migration 的 request 的 critical path 上，但
 
 ---
 
-## Open Items（写正文前必须解决）
+## Work Plan
 
-- [ ] **§4.3.1**: `T_hot` 的实际取值（pending prefill token 阈值）
-- [ ] **§4.3.4**: `T_cool` 的实际取值（cooldown 秒数 / turn 数）
-- [ ] **§5.1**: instance 数量、trace 总长度、最终 baseline 配置定稿
-- [ ] **§4.4**: session→host 表的存储介质决定
-- [ ] **§1 / §5.2**: EAR 的 wall-clock amplification 实测数（关键 number）
-- [ ] **Figures**: f1–f10 全部 TBD，目前只有占位
+### ✅ Done
+
+- [x] §1 anchor sentence + contribution bullets
+- [x] §2 outline + reuse existing characterization figures (`f2a`/`f2b`/`f2c`)
+- [x] §3.1/§3.2/§3.3 outline + reuse existing baseline failure figures (`f4a`/`f4b`/`f4c`/`f4d`)
+- [x] §4 design description (§4.3 待实证)
+- [x] §5.2 partial figure (`f6` 5/6 baselines)
+- [x] `replayer/replay.py` patched to emit `trace_span_s` + `amplification` in summary
+
+### 🟢 Can do without migration (paper writing now possible)
+
+- [ ] Draft §1-§4 正文（数据全有，figures 已 copy 完）
+- [ ] §2.3 dispatch coupling 那一节的正文 draft（数学已经在 conversation 里推完）
+- [ ] §3 三个失败模式正文 draft
+- [ ] §5.4 wall-clock amplification 实测（5 baseline × ≥3 runs）— **优先级最高**，这是 §2.3 的实证 closure
+- [ ] §5.2 把 static PD-disagg 补进 `f6` 那张图（重跑或合并现有 PD-sep 数据）
+- [ ] §5.5 sensitivity 的 λ / skew / KV pool 三轴
+- [ ] §3 三张子图各自独立的 latex/markdown layout 决定
+
+### 🚧 Deferred (待 migration validation)
+
+- [ ] §4.3 migration mechanism 重测（`connector_tax` DR-fix 之后跑）
+- [ ] §5.3 full ablation (migration-only + both 两个配置)
+- [ ] §5.5 `T_hot` / `T_cool` 两轴 sensitivity
+- [ ] §5.6 migration microbench 全部
+- [ ] §1 teaser 图 (`f1`) EAR 那一列
+- [ ] §5.2 表里 EAR 那一行
+- [ ] §4.3.1 / §4.3.4 的 `T_hot` 和 `T_cool` 取值
+
+### 🎨 Custom drawings (paper-writing 阶段)
+
+- [ ] `f3_coupling_schematic.png` —— chatbot vs agentic timeline + 反馈环
+- [ ] `f5_architecture.png` —— EAR 组件图
+
+### ❓ Open design decisions
+
+- [ ] §4.4 session→host 表的存储介质（in-memory dict vs Redis）
+- [ ] §5.1 instance 数量、trace 总长度的最终定稿

replayer/replay.py

@@ -422,6 +422,8 @@ async def replay_trace(config: ReplayConfig) -> list[RequestMetrics]:
     summary["external_cache_hits_tokens"] = int(delta_ext_hits)
     summary["external_cache_hit_ratio"] = ext_hit_ratio
     summary["wall_clock_s"] = sweep_elapsed
+    summary["trace_span_s"] = trace_span
+    summary["amplification"] = sweep_elapsed / trace_span if trace_span > 0 else None
     summary_path.write_text(_json.dumps(summary, indent=2, sort_keys=True))
 
     logger.info("Summary written to %s", summary_path)