docs(ms-ai-architect): KB-refresh tema-b — Foundry-navnesveip «Azure AI Foundry»→«Microsoft Foundry» (233 filer)

Verifisert mot offisiell MS-doc (juni 2026): «Microsoft Foundry» er det
gjeldende produkt-/portalnavnet; «Foundry (classic)» = gamle «Azure AI Foundry»
(/azure/foundry/ vs /azure/foundry-classic/). Premiss bekreftet før sveip.

Multi-regel, IKKE naiv s/Azure AI Foundry/Microsoft Foundry/ — MS dropper
«Azure AI» (legger IKKE til «Microsoft») for to produktvarianter:
- «Azure AI Foundry Agent[ Service|s]» → «Foundry Agent Service/Agents» (MS-form)
- «Azure AI Foundry Models» → «Foundry Models» (i «Azure OpenAI in Foundry Models»)
- «Azure AI Foundry SDK» → «Microsoft Foundry SDK» (operatør-valg)
- «Azure AI Foundry portal/project» + generisk → «Microsoft Foundry»
- Pre-eksisterende «Microsoft Foundry Models» (4) normalisert → «Foundry Models»

Bevart: «Azure OpenAI», «Azure AI Inference SDK», «Azure AI Search»,
«Azure AI Services», kode-IDer. Historisk ref «(tidligere Azure AI Foundry)»
i model-catalog-2026.md beskyttet via lookbehind. URL /azure/ai-foundry/→
/azure/foundry/ kun i owasp-llm-top10 (KB-ref); docs/-filer deferred.

Scope: skills (inkl. 3 SKILL.md) + commands + agents + README + CLAUDE.
Ekskludert: docs/ (interne), playground/+tests/ fixtures (testdata),
CHANGELOG.md (historisk logg), STATE.md (gitignored).

3 SKILL.md endret (advisor/engineering/security) → judge-cache teknisk
invalidert for disse, men scorer uendret: advisor 91, eng/gov/infra/sec 96
(alle ≥90). validate 239/0. 0 «Azure AI Foundry» igjen (utenom bevart ref).

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

skills/ms-ai-engineering/references/rag-architecture/self-reflective-rag.md

@@ -1,7 +1,7 @@
 # Self-Reflective RAG — Selvevaluerende retrieval
 
 **Last updated:** 2026-02
-**Status:** GA (Azure AI Foundry evaluators), Preview (agentic retrieval)
+**Status:** GA (Microsoft Foundry evaluators), Preview (agentic retrieval)
 **Category:** RAG Architecture & Semantic Search
 
 ---
@@ -12,7 +12,7 @@ Self-Reflective RAG er en arkitektur der systemet evaluerer og raffinerer sine e
 
 To fremtredende forskningsbidrag definerer feltet: **CRAG (Corrective RAG)** bruker en lightweight evaluator som returnerer confidence-grader (Correct/Incorrect/Ambiguous) for å trigge korrektive handlinger, og **Self-RAG** der modellen kritiserer og verifiserer sine egne outputs under generering.
 
-Azure AI Foundry tilbyr innebygde evaluatorer for RAG quality assessment (groundedness, relevance, coherence — alle 1-5 skala) som kan integreres i en feedback loop. Azure AI Search agentic retrieval (preview) forbedrer retrieval-relevans med opptil 40% gjennom LLM-assistert query planning.
+Microsoft Foundry tilbyr innebygde evaluatorer for RAG quality assessment (groundedness, relevance, coherence — alle 1-5 skala) som kan integreres i en feedback loop. Azure AI Search agentic retrieval (preview) forbedrer retrieval-relevans med opptil 40% gjennom LLM-assistert query planning.
 
 ---
 
@@ -27,7 +27,7 @@ Azure AI Foundry tilbyr innebygde evaluatorer for RAG quality assessment (ground
 | **Ambiguous (middels)** | Delvis relevante | Decompose-then-recompose: filtrer irrelevant innhold |
 | **Incorrect (lav confidence)** | Dokumenter er irrelevante | Re-retrieve med reformulert query eller web search fallback |
 
-### Azure AI Foundry evaluatorer
+### Microsoft Foundry evaluatorer
 
 | Evaluator | Type | Scoring | Bruksområde |
 |-----------|------|---------|-------------|
@@ -52,7 +52,7 @@ Query → Initial Retrieval → Evaluering
 
 ## Arkitekturmønstre
 
-### Mønster 1: CRAG med Azure AI Foundry evaluators
+### Mønster 1: CRAG med Microsoft Foundry evaluators
 
 **Arkitektur:** Query → Azure AI Search → Retrieval Evaluator → [Correct: Generate] / [Ambiguous: Filter + Generate] / [Incorrect: Reformulate + Re-retrieve]
 
@@ -91,7 +91,7 @@ if grounded["groundedness_result"] == "fail":
 
 **Fordeler:**
 - Managed evaluators — ingen custom modelltrening
-- Integrert med Azure AI Foundry observability
+- Integrert med Microsoft Foundry observability
 - Støtter reasoning-modeller (o-series) med `is_reasoning_model=True`
 
 **Anbefalt for:** Produksjonssystemer der svarkvalitet er kritisk.
@@ -142,7 +142,7 @@ ChatCompletionAgent agent = new()
 3. Kjør parameter sweep over re-ranker thresholds, target indices, knowledge sources
 4. Velg optimal konfigurasjon basert på groundedness + relevance scores
 
-**Azure AI Foundry-støtte:**
+**Microsoft Foundry-støtte:**
 
 | Metric | Formål |
 |--------|--------|
@@ -187,7 +187,7 @@ ChatCompletionAgent agent = new()
 
 | Tjeneste | Integrasjonspunkt |
 |----------|-------------------|
-| **Azure AI Foundry** | Innebygde evaluatorer (Groundedness, Relevance, Retrieval) |
+| **Microsoft Foundry** | Innebygde evaluatorer (Groundedness, Relevance, Retrieval) |
 | **Azure AI Search** | Retrieval backend + agentic retrieval (preview) |
 | **Semantic Kernel** | OnDemandFunctionCalling for iterativ retrieval |
 | **Azure OpenAI** | GPT-4o for evaluering og generering |
@@ -200,7 +200,7 @@ ChatCompletionAgent agent = new()
 
 ### Dataplassering
 
-- **Azure AI Foundry evaluators:** Kjøres via Azure OpenAI (Sweden Central) — data i EU/EØS
+- **Microsoft Foundry evaluators:** Kjøres via Azure OpenAI (Sweden Central) — data i EU/EØS
 - **Azure AI Content Safety:** Sjekk regional tilgjengelighet for Groundedness Pro
 
 ### Relevante vurderinger
@@ -265,7 +265,7 @@ Hvis self-reflective RAG reduserer feilaktige svar fra 15% til 5%:
 
 | Kilde | Konfidens | URL |
 |-------|-----------|-----|
-| RAG Evaluators (Azure AI Foundry) | **Verified** | [learn.microsoft.com](https://learn.microsoft.com/en-us/azure/foundry/concepts/evaluation-evaluators/rag-evaluators) |
+| RAG Evaluators (Microsoft Foundry) | **Verified** | [learn.microsoft.com](https://learn.microsoft.com/en-us/azure/foundry/concepts/evaluation-evaluators/rag-evaluators) |
 | RAG LLM Evaluation Phase | **Verified** | [learn.microsoft.com](https://learn.microsoft.com/en-us/azure/architecture/ai-ml/guide/rag/rag-llm-evaluation-phase) |
 | Semantic Kernel Agent RAG | **Verified** | [learn.microsoft.com](https://learn.microsoft.com/en-us/semantic-kernel/frameworks/agent/agent-rag) |
 | Corrective RAG (CRAG) paper | **Verified** | [arxiv.org](https://arxiv.org/abs/2401.15884) |