docs(gap): 测试机验收协议 —— 交替四轮避免缓存偏袒

docs/design/gap-set-based-rewrite-plan.md

@@ -269,3 +269,22 @@ WHERE cardinality(COALESCE(rem.remaining_teeth, ARRAY[]::text[])) > 0
 
 ### 对拍工具自检
 `--self`(legacy 对 legacy)先跑过,零差异 —— 证明工具本身不会把相同当不同。
+
+## 11. 测试机验收协议(2026-08-30 夜)
+
+脚本 `~/gapverify.sh`(测试机),产物落 `~/gapbench/`。
+
+| 步 | 内容 | 门 |
+|---|---|---|
+| 0 | 工具自检:`--self --sub=jaw_cyst`(legacy 对 legacy) | 必须零差异,否则后面的"零差异"不可信 |
+| 1 | 画像消费方:`--persona=2000` | 零差异 + 单患者 p95 不劣化 >10% |
+| 2 | 召回 11 子场景:逐 (患者×信号×牙位) 双向 EXCEPT ALL | **零差异**(不是"差异很少") |
+| 3 | 交替全量重算 A(legacy) → B(setbased) → C(legacy) → D(setbased) | 行级 diff 全 0;取 C vs D(都是热态第二轮)比墙钟 |
+
+**为什么要交替四轮**:第一轮把页读进缓存,第二轮才代表稳态。只跑 legacy→setbased
+会让 setbased 白蹭前一轮的缓存,把收益量虚高 —— 这条分支上已经有两次"理论漂亮实测为零"
+的前科,不能再拿有偏的数字下结论。
+
+**噪音源**:测试机 `PAC_STALE_SCAN_CRON=0 2 * * *`(画像 stale 扫描)会落在验收中段。
+C/D 相邻,长时间后台负载对两者影响相近,不单边偏袒;若数字明显抖动,重跑 C/D 一对。
+`PAC_INCREMENTAL_CRON=15 8 * * *` 在窗口之外。