open/ktg-plugin-marketplace
1
0
Fork 0
Code Issues Pull requests Releases Wiki Activity Actions

chore(ms-ai-architect): scrub identifying references from fixtures + remove screenshots

Browse source 
Removes:
- All 6 PNG screenshots (playground/screenshots/) and the capture script
  (scripts/screenshots/capture-playground.py).
- "Screenshots" section from plugin README.
- "Screenshot-suite" section from plugin CLAUDE.md.
- Screenshots bullet from marketplace root README's ms-ai-architect listing.

Scrubs the 17 synthetic fixtures + CHANGELOG/CLAUDE/README of identifying
references: organization names, government-agency names, agency-specific
terminology, sector-specific use cases. Replaced with generic placeholder
data ("Acme AS" / "Demosystem") that exercises the same parser archetypes.

Plugin's domain-target wording (Datatilsynet, offentlig sektor, offentlig
myndighet, rettshåndhevelse, NS 5814, Utredningsinstruksen, EU AI Act
Annex III categories) is intact — those describe the plugin's intended
audience, not any specific entity.

This is a cleanup commit. Earlier git history still contains the prior
references; force-push or rebase is required if scrubbing the history is
desired. That decision is out of scope here — please run it separately
if needed.

Verified post-scrub:
- bash tests/validate-plugin.sh -> 215/215 PASS
- bash tests/run-e2e.sh --playground -> 240/240 PASS (170 + 70)
This commit is contained in:
Kjell Tore Guttormsen 2026-05-03 20:53:49 +02:00
commit e57dee5a03
28 changed files with 89 additions and 469 deletions
Download patch file Download diff file Expand all files Collapse all files

12
plugins/ms-ai-architect/playground/test-fixtures/compare.md
View file

@ -1,6 +1,6 @@
# Sammenligning — Azure AI Foundry vs Azure ML + AKS
System: ANPR-trafikkanalyse (Statens vegvesen)
System: Demosystem (Acme AS)
Sammenligningsdato: 2026-04-30
## Subjects
@ -14,8 +14,8 @@ Subject 2: Azure ML + AKS
|--------|------------------|----------------|--------|
| Time-to-prod | 6-8 uker for fundament | 12-16 uker | Foundry |
| Custom modell-trening | Integrert via Azure ML under panseret | Direkte Azure ML | Lik |
| Compliance-pakke for offentlig sektor | Inkludert | Må bygges selv | Foundry |
| Driftbarhet for KI-seksjonen | Lav driftbyrde, mest klikk-ops | Høy driftbyrde, full DevOps | Foundry |
| Compliance-pakke for leverandøren | Inkludert | Må bygges selv | Foundry |
| Driftbarhet for AI-teamet | Lav driftbyrde, mest klikk-ops | Høy driftbyrde, full DevOps | Foundry |
| Fleksibilitet for custom infrastruktur | Begrenset til Foundry-mønstre | Full kontroll over AKS-cluster | Azure ML + AKS |
| Audit-logging på inferens | Innebygd | Må konfigureres manuelt | Foundry |
| Customer-managed keys | Tilgjengelig | Tilgjengelig | Lik |
@ -29,12 +29,12 @@ Subject 2: Azure ML + AKS
## Sammendrag
Azure AI Foundry vinner på time-to-prod, compliance-pakke, og driftbarhet. Azure ML + AKS vinner på pris (-12%) og fleksibilitet. Differansen i pris (~NOK 800k over 3 år) er liten sammenlignet med besparelsen i drift-tid for KI-seksjonen.
Azure AI Foundry vinner på time-to-prod, compliance-pakke, og driftbarhet. Azure ML + AKS vinner på pris (-12%) og fleksibilitet. Differansen i pris (~NOK 800k over 3 år) er liten sammenlignet med besparelsen i drift-tid for AI-teamet.
## Anbefaling
For Statens vegvesen med begrenset KI-driftkapasitet anbefales Azure AI Foundry. For organisasjoner med dedikert MLOps-team kan Azure ML + AKS gi marginalt bedre kost-nytte.
For Acme AS med begrenset KI-driftkapasitet anbefales Azure AI Foundry. For organisasjoner med dedikert MLOps-team kan Azure ML + AKS gi marginalt bedre kost-nytte.
## Kontekst
Beslutningen er sterkere drevet av compliance og driftbarhet enn ren kostnad. Foundry's offentlig sektor-pakke sparer 8-12 uker arbeid med å sertifisere baseline-konfigurasjonen.
Beslutningen er sterkere drevet av compliance og driftbarhet enn ren kostnad. Foundry's leverandøren-pakke sparer 8-12 uker arbeid med å sertifisere baseline-konfigurasjonen.