diff --git a/docs/perf/ondevice-query-profiler/PR-P4.md b/docs/perf/ondevice-query-profiler/PR-P4.md
new file mode 100644
index 0000000..1fa6512
--- /dev/null
+++ b/docs/perf/ondevice-query-profiler/PR-P4.md
@@ -0,0 +1,39 @@
+# PR P4 — JSON/CSV export + 로그 + 메타 (baseline 산출)
+
+- 브랜치: `feat/loc-69-profiler-export` (P3 위에 스택)
+- Linear: [LOC-69](https://linear.app/loceract/issue/LOC-69)
+- 상태: 🟦 진행 (PR 열림 예정, iPhone 실기 profile 런 green) — **baseline 산출 = 1차 목표 달성**
+
+## 스코프
+- `example/lib/profiling/profile_export.dart` — 리포트를 앱 documents dir에 `query_profile_<ts>.json/.csv`로 flush 기록 + 실행당 `PROFILE` 로그 1줄 + dir/파일명 로그(추출용). 물리기기 추출은 Xcode Download Container 또는 `xcrun devicectl`(simctl은 시뮬전용).
+- 측정 엔트리에 export 배선 + 실행 메타(os/os_version; 기기모델·충전상태는 수동 기록).
+
+## 결과 (baseline, iPhone iOS 26.5, profile, 컬렉션당 500 docs, topK=10)
+| lane | category | embed p50/p95 | activate | search p50/p95 | hydrate p50/p95 |
+|---|---|---|---|---|---|
+| unfiltered | pure_cold (n=1) | 25.2 | **247.3** | 2.20 | 0.42 |
+| unfiltered | pure_warm (n=30) | **26.7 / 36.7** | — | 1.60 / 2.08 | 0.27 / 0.41 |
+| filtered(i8) | pure_warm (n=30) | **27.6 / 37.6** | — | 0.76 / 0.92 | 0.19 / 0.30 |
+| unfiltered | switching_cold (n=30) | 25.7 / 37.0 | (로그 트렁케이션 유실) | 1.47 / 1.90 | (유실) |
+
+I/O(query_metrics): full_hydrate_rows pure_warm 300 / filtered 90 / pure_cold 10. `scoped_exact_scan_*` 전부 0(현 쿼리 형태에서 콘텐츠 스캔 카운터 미증가).
+
+## 지배 세그먼트 → P5(LOC-70) 게이트
+- **Warm 정상상태: `embed`(ONNX) 지배** — p50 ~27ms, search/hydrate의 15–37배. PLAN 규칙상 *embed 지배 → 다음 타깃은 ONNX 추론(이 크레이트 외부), Rust 벡터 작업 불필요.*
+- **Cold 첫 쿼리: `activate`(HNSW build/load) 지배** — 247ms ≫ embed/search/hydrate. *Phase-2(P5)에서 activate를 `bm25_rebuild` vs `hnsw_load`로 분해(cold/switch에 한해 필수).*
+- 부가: 필터(i8 exact-scan) search가 unfiltered(HNSW+BM25 RRF)보다 빠름(0.76 vs 1.60ms) — [LOC-64](https://linear.app/loceract/issue/LOC-64) i8 결과와 일관.
+
+## ⚠️ 측정 범위 (헤드라인 정정 — latency ≠ quality)
+- 본 baseline은 **지연(latency) 분해**만 측정한다. **검색 품질(recall)은 측정하지 않는다.**
+- LOC-64의 `recall@10 = 0.997`은 **i8 exact-scan vs f32 전수조사의 수학적 충실도**(양자화 커널 정확도)일 뿐, **실제 출시 경로의 HNSW 그래프 e2e 하이브리드 리콜이 아니다** — HNSW는 `dequantize_i8_to_f32`로 복원한 찌그러진 벡터 공간 위에서 그래프를 탐색하므로 별개. 즉 "i8가 빠르다 + 0.997"을 "출시 검색 품질이 우수하다"로 읽으면 안 된다.
+- **실제 프로덕션 e2e 하이브리드 리콜은 미측정** → **P5(LOC-70)의 1순위 타깃**(폰에서 `[f32 순수 원본 전수조사 top-K]` 대비 `[i8-HNSW + BM25 RRF top-K]` 교집합률 산출). 90% 미만이면 모바일용 `M`/`ef_search` 상향 튜닝 필요.
+
+## 받은 피드백 / 한계
+- 어드버서리얼 리뷰 HIGH: 초기 추출 안내가 simctl(시뮬전용)이었음 → 물리기기는 Xcode Download Container / `devicectl`로 정정.
+- `switching_cold`의 activate(스위치당 load 비용) 미확보: 콘솔 트렁케이션 + 성공 런 export가 다음 런 재설치로 삭제 + 이후 DDS 간헐실패. **결론 불변**(pure_cold 247ms가 cold에서 activate 지배 입증). CSV 행 단위 print 수정으로 다음 런에서 완전 수집 가능.
+- 전체 디바이스/방법/디버그 로그는 [LOC-68 코멘트](https://linear.app/loceract/issue/LOC-68) 참조.
+
+## 리스크 / 롤백 / 다음
+- 동작 코드 변경 없음(example 프로파일링 export). 롤백: PR revert.
+- ⚠️ **스택 PR**: P3(#LOC-68) 위에 스택. P3 먼저 머지 후 본 PR을 main으로 retarget(아니면 orphan).
+- 다음: **P5(LOC-70)** Phase-2 — warm은 embed(ONNX) 지배라 Rust 벡터 작업 불요; cold가 중요하면 activate(bm25_rebuild vs hnsw_load) 분해. 데이터 게이트 충족.
diff --git a/docs/perf/ondevice-query-profiler/README.md b/docs/perf/ondevice-query-profiler/README.md
index cef652c..1c87adb 100644
--- a/docs/perf/ondevice-query-profiler/README.md
+++ b/docs/perf/ondevice-query-profiler/README.md
@@ -25,7 +25,7 @@ vector_math 커널 슬라이스는 거의 최적임을 확인했으나 **온디
 | P1 | report 모델 + JSON/CSV (host-TDD) | [LOC-66](https://linear.app/loceract/issue/LOC-66) | 🟩 머지(#70, [PR-P1.md](PR-P1.md)) |
 | P2 | example integration_test 배선 + A/B 픽스처 | [LOC-67](https://linear.app/loceract/issue/LOC-67) | 🟩 머지(#71, [PR-P2.md](PR-P2.md)) |
 | P3 | 세그먼트 타이밍 + 3시나리오 + metrics 스냅샷 | [LOC-68](https://linear.app/loceract/issue/LOC-68) | 🟦 진행([PR-P3.md](PR-P3.md), 기기 green) |
-| P4 | JSON/CSV export + 로그 + 메타 (baseline 산출) | [LOC-69](https://linear.app/loceract/issue/LOC-69) | ⬜ TODO |
+| P4 | JSON/CSV export + 로그 + 메타 (baseline 산출) | [LOC-69](https://linear.app/loceract/issue/LOC-69) | 🟦 진행([PR-P4.md](PR-P4.md), 기기 green) |
 | P5 | (조건부) Phase-2 드릴다운 — 지배 버킷별 | [LOC-70](https://linear.app/loceract/issue/LOC-70) | ⏸ 데이터 게이트 |
 
 ## 규약 (프로젝트 공통)
diff --git a/example/integration_test/query_profile_measure_test.dart b/example/integration_test/query_profile_measure_test.dart
index 204d4c9..2de57d2 100644
--- a/example/integration_test/query_profile_measure_test.dart
+++ b/example/integration_test/query_profile_measure_test.dart
@@ -9,8 +9,9 @@ import 'package:mobile_rag_engine/mobile_rag_engine.dart';
 import 'package:mobile_rag_engine_example/profiling/query_fixture.dart';
 import 'package:mobile_rag_engine_example/profiling/query_profiler.dart';
 import 'package:mobile_rag_engine_example/profiling/query_profile_report.dart';
+import 'package:mobile_rag_engine_example/profiling/profile_export.dart';
 
-// On-device RAG query profiler — P3 (LOC-68) measurement.
+// On-device RAG query profiler — P3 (LOC-68) measurement + P4 (LOC-69) export.
 //
 // Runs ALONE in its own process (separate from the P2 smoke) under flutter
 // drive in PROFILE mode, so the shipped `vector_faer,vector_quant_i8` backend
@@ -65,6 +66,9 @@ void main() {
         'build_mode':
             kReleaseMode ? 'release' : (kProfileMode ? 'profile' : 'debug'),
         'features': 'vector_faer,vector_quant_i8', // shipped in profile/release
+        'os': Platform.operatingSystem,
+        'os_version': Platform.operatingSystemVersion,
+        // Device model + charging state: document manually in PR-P4.md.
         'docs_per_collection': measuredDocs,
         'top_k': topK,
         'vector_weight': profiler.vectorWeight,
@@ -193,9 +197,19 @@ void main() {
         }
       }
 
-      // P3 deliverable: per-segment p50/p95 to the device log (greppable CSV).
-      // P4 adds JSON/CSV export to the app documents dir on top of this.
-      _emitReport(QueryProfileReport(runs: runs));
+      // P3: per-segment p50/p95 to the device log (greppable CSV block).
+      final report = QueryProfileReport(runs: runs);
+      _emitReport(report);
+
+      // P4: export JSON + CSV to the app documents dir (the baseline artifact)
+      // and log the dir + filename so the operator can pull them off-device.
+      final tsTag = DateTime.now().millisecondsSinceEpoch.toString();
+      final dir = await ProfileExport.write(report, tsTag: tsTag);
+      // ignore: avoid_print
+      print('PROFILE_EXPORT_DIR $dir');
+      // ignore: avoid_print
+      print('PROFILE_EXPORT_FILE query_profile_$tsTag.json '
+          'query_profile_$tsTag.csv');
     },
     // Seeding 2x500 real ONNX embeddings + the measured loops far exceed the
     // default 30s per-test timeout; give it generous headroom.
diff --git a/example/lib/profiling/profile_export.dart b/example/lib/profiling/profile_export.dart
new file mode 100644
index 0000000..7db3822
--- /dev/null
+++ b/example/lib/profiling/profile_export.dart
@@ -0,0 +1,43 @@
+// On-device RAG query profiler — P4 (LOC-69) baseline export.
+//
+// Writes the profiling report to the app documents directory as JSON + CSV and
+// emits one structured PROFILE log line per run for live console/logcat capture.
+// The printed PROFILE_EXPORT_DIR is the on-device sandbox path (not reachable
+// from the host shell) — pull the files off-device for the baseline:
+//   iOS (PHYSICAL device — the baseline target):
+//     - Xcode > Window > Devices & Simulators > select device > Installed Apps >
+//       select the example app > '...' > Download Container… → open the
+//       .xcappdata bundle; files are under AppData/Documents/query_profile_<ts>.*
+//     - or: xcrun devicectl device copy from --device <UDID>
+//       --domain-type appDataContainer --domain-identifier <bundle-id>
+//       --source Documents/query_profile_<ts>.json --destination ./
+//     - or: surface via the Files app / share sheet for an ad-hoc pull.
+//   iOS (Simulator ONLY): xcrun simctl get_app_container booted <bundle-id> data
+//       → then Documents/.
+//   Android: adb shell run-as <app-id> cat files/query_profile_<ts>.json
+import 'dart:io';
+
+import 'package:path_provider/path_provider.dart';
+import 'query_profile_report.dart';
+
+class ProfileExport {
+  /// Writes `<docs>/query_profile_<tsTag>.json` and `.csv`, prints one
+  /// `PROFILE <json>` log line per run, and returns the documents dir path
+  /// (logged so the operator knows where to pull from).
+  static Future<String> write(
+    QueryProfileReport report, {
+    required String tsTag,
+  }) async {
+    final dir = await getApplicationDocumentsDirectory();
+    final base = '${dir.path}/query_profile_$tsTag';
+
+    await File('$base.json').writeAsString(report.toJsonString(), flush: true);
+    await File('$base.csv').writeAsString(report.toCsv(), flush: true);
+
+    for (final r in report.runs) {
+      // ignore: avoid_print
+      print('PROFILE ${r.toJson()}');
+    }
+    return dir.path;
+  }
+}