docs(kvc): add TTFT probability density figure (KVC v2 vs 4DP)

Adds a two-panel TTFT PDF comparison plot inserted as a new V2_DEEP_ANALYSIS
§3.4 ("TTFT 概率密度对比: bimodal vs unimodal"). Single-percentile numbers
(p50 / p99) hide the qualitative difference between the two distributions;
the figure makes it visible at a glance.

Left panel (linear x in [0, 0.6]s, body):
  KVC has a sharp peak at ~40ms (the direct-to-D fast path).
  DP has a broad peak around 50-200ms (full prefill per request).
  Annotated with p50 and p90 markers for each side.

Right panel (log x in [10ms, 10s], full range):
  KVC is visibly bimodal: a tall fast-path peak plus a small reseed tail
  around 1-5s.
  DP is unimodal: a single broad peak with shorter tail.
  Annotated with p99 callouts pointing to each tail.

KDE: scipy.stats.gaussian_kde, bandwidth=0.15 for the body (Scott's rule
oversmooths the sharp fast-path peak), log10-transformed for the full-range
panel so the bimodal structure is visible.

Bundled:
- scripts/analysis/plot_ttft_pdf.py -- rerunable when v2 / DP data change.

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

docs/V2_DEEP_ANALYSIS_ZH.md

@@ -219,6 +219,26 @@ v2 整体跑得快不仅因为 "KVC 机制好"，更因为 **91.6% 请求被路
 
 如果工作量做归一化（比如限定都做 2000 token 以上 uncached prefill），KVC 应该和 DP 在同一速度量级。
 
+### 3.4 TTFT 概率密度对比：bimodal vs unimodal
+
+把 path-level 数据投影到 TTFT 的分布维度，可以更直观看出 KVC 与 DP 是**本质不同的两种分布形状**：
+
+![TTFT probability density: KVC v2 vs 4-way DP](figures/ttft_pdf_comparison.png)
+
+左图（线性 x ∈ [0, 0.6s]）看 body：
+- **KVC 的 PDF 在 ~40ms 有一个尖锐峰值**（来自 91.6% direct-to-D fast path）
+- **DP 的 PDF 是宽峰，集中在 50-200ms**（每个请求都要做完整 prefill 的固有时间）
+- 在 body 区间，KVC 把 50% 请求压在 41ms，DP 的 50% 在 92ms
+
+右图（log x ∈ [10ms, 10s]）看全范围：
+- **KVC 是 bimodal 分布**：fast path 主峰（~40-50ms）+ slow path reseed 尾峰（~1-5s）
+- **DP 是 unimodal 分布**：单一宽峰，从 ~50ms 拖到 ~500ms 截止
+- KVC p99 = 1.28s 来自小尾峰；DP p99 = 0.43s 来自主峰宽尾
+
+**论文意义**：这两种分布形状的本质差异比单个 percentile 数字更说明问题——KVC 的 TTFT 不是"DP 整体快"或"DP 整体慢"，而是"绝大多数极快 + 少数比 DP 慢得多"。生产决策的判据应该是 **fast path 集中度 vs slow path tail 长度**的权衡，而不是单个 mean 或 p50 数字。
+
+绘图脚本：`scripts/analysis/plot_ttft_pdf.py`（用 `scipy.stats.gaussian_kde`，body 用 Scott bandwidth 0.15，full range 用 log10 域 KDE）。
+
 ---
 
 ## 4. 需要诚实交代的 caveats（不是 KVC 的设计缺陷）