chore(ms-ai-architect): refresh KB medium-bucket — 74 files [skip-docs]
KB-currency refresh (medium priority, 2026-06-19) via /architect:kb-update. 74 medium-prioritets filer re-verifisert mot Microsoft Learn (MCP) — delegert til 15 parallelle Opus-subagenter (3 bølger) gruppert etter delt kilde, med disjunkte fil-sett. Verifisert i hovedkontekst (scope-sjekk + diff-review av de faktatunge gruppene + tester). Hovedendringer (faktuelle korreksjoner + currency): - Azure AI Search semantic ranker: TILGJENGELIG PÅ ALLE TIERS (også Free/Basic m/ gratis månedlig kvote) — gammel KB sa feilaktig "kun S1+". Korrigert i tier-tabell, anti-patterns og beslutningstabell (azure-ai-search-setup). - APIM score-threshold = DISTANSE (lavere = strengere): tuning-tabellen i rag-caching-optimization hadde retningen baklengs — invertert til korrekt. - Agentic retrieval GA/preview-nyanse presisert (hovedkontekst-korreksjon mot agentic-retrieval-how-to-migrate): GA via REST 2026-04-01 returnerer EKSTRAKTIV grounding (references + activity), IKKE syntetiserte svar. Answer synthesis, ikke-minimal reasoning effort (LLM query planning) og multi-turn messages forblir preview (2026-05-01-preview). Subagent hadde overforenklet til "hele kjernepipelinen GA"; rettet i agentic-rag-patterns + citation-tracking. - Copilot Studio modell-tabeller (platforms/copilot-studio): fjernet Claude Opus 4.5 + GPT-5.2 (borte fra kilde), lagt til Claude Sonnet 4.6/Opus 4.6 (GA), Opus 4.7 + Mistral Medium 3.5 (experimental); GPT-5 Reasoning/Auto = preview; A2A GA (apr 2026). - Computer Use (CUA): Copilot Studio GA 2026-05-07; 4 modeller m/ tier/status (OpenAI CUA + Sonnet 4.5 GA, Sonnet 4.6 + Opus 4.6 experimental); 5 credits/ steg standard, 15 premium; US-only region-krav FJERNET i GA-dok; Cloud PC pool + Hosted browser + bring-your-own-machine. - Azure AI Search REST API-versjoner bumpet: 2025-09-01 -> 2026-04-01 (stabil), 2025-11-01-preview -> 2026-05-01-preview (hybrid-search, rag-security-rbac, chunking). - Power Automate-integrasjon: trigger "Run a flow from Copilot" -> "When an agent calls the flow"; App Service innebygd MCP (preview) lagt til. - M365 Copilot-manifest v1.26 -> v1.28 (GA, mai) / v1.29 dokumentert (juni); "Tenant graph grounding" -> "Work IQ". - Speech fast transcription 2t/300MB -> 5t/500MB; multilingual 14 -> 15 locales (+ pt-BR). Content Understanding reasoning preview -> GA (v1.0, 2025-11-01). - Security Copilot E5 -> E5+E7. Død Databricks-URL ci-cd/best-practices -> ci-cd/flows. Prompt Flow retirement (2027-04-20 -> MAF) notert der den presenteres som go-forward. Gateway-topologi-tabell-feil rettet. - Alle 74 Last updated -> 2026-06-19. Discovery ikke kjørt (historisk kun Databricks-støy) -> 389-telling uendret, ingen resync. validate 239 PASS, kb-integrity 115/115 (262 orphan-warnings uendret), gitleaks clean. Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_01REiKFhP4w6xGXXqWKpPCJJ
This commit is contained in:
parent
1228b35d81
commit
070141f06b
74 changed files with 403 additions and 384 deletions
|
|
@ -1,6 +1,6 @@
|
|||
# Adaptive Cards for Rich Copilot Responses
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Copilot Extensibility & Integration
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Copilot Analytics and Usage Monitoring
|
||||
|
||||
**Last updated:** 2026-04
|
||||
**Last updated:** 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Copilot Extensibility & Integration
|
||||
|
||||
|
|
@ -39,8 +39,8 @@ Rapportering av Copilot-bruk skiller seg fra tradisjonell Microsoft 365-rapporte
|
|||
- Prompts submitted (totalt og gjennomsnitt per bruker)
|
||||
- Adoption by app (Teams, Outlook, Word, Excel, PowerPoint, OneNote, Loop)
|
||||
- Last activity date per bruker per app
|
||||
- **Copilot Chat adoption:** Viser bruk av Copilot Chat (work) og Copilot Chat (web) separat (Verified 2026-04)
|
||||
- **Agent adoption:** Viser aktive brukere av agenter bygget av din organisasjon (inkl. admin-godkjente og brukeropprettede agenter) (Verified 2026-04)
|
||||
- **Copilot Chat adoption:** Viser bruk av Copilot Chat (work) og Copilot Chat (web) separat (Verified 2026-06-19)
|
||||
- **Agent adoption:** Viser aktive brukere av agenter bygget av din organisasjon (inkl. admin-godkjente og brukeropprettede agenter; agentbruk tilgjengelig fra 1. november 2024) (Verified 2026-06-19)
|
||||
|
||||
**Oppdateringsfrekvens:** Data tilgjengelig innen 72 timer etter aktivitet (UTC).
|
||||
|
||||
|
|
@ -82,7 +82,7 @@ For compliance og security auditing:
|
|||
|
||||
**Merk:** Microsoft Purview audit logs inneholder faktiske prompts brukere sender til Copilot. For offentlig sektor er dette særlig sensitivt — implementer access controls for hvem som kan lese audit logs.
|
||||
|
||||
**Nytt (Verified 2026-04):** Audit logs for **ikke-Microsoft AI-applikasjoner** bruker nå pay-as-you-go billing (180 dagers oppbevaring, fakturert per antall audit records). Microsoft 365 Copilot og Copilot Studio er fortsatt inkludert i Audit Standard uten ekstra kostnad.
|
||||
**Nytt (Verified 2026-06-19):** Audit logs for **ikke-Microsoft AI-applikasjoner** bruker nå pay-as-you-go billing (180 dagers oppbevaring, fakturert per antall audit records; logges under recordType *AIAppInteraction*/*AIApp* eller enkelte *ConnectedAiAppInteraction*-scenarier). Microsoft 365 Copilot, Copilot Studio og Microsoft Foundry er fortsatt inkludert i Audit Standard uten ekstra kostnad.
|
||||
|
||||
**Søk:**
|
||||
```plaintext
|
||||
|
|
@ -98,6 +98,8 @@ Purview portal > Solutions > Audit > Workloads: AIApp + Copilot
|
|||
- Tenant-wide agent visibility
|
||||
|
||||
**Copilot Studio Analytics (oppdatert 2026):**
|
||||
- Datatilgjengelighet: analytics-data opptil 360 dager; sesjonsdetaljer og transcripts kun siste 28 dager (nedlasting innen siste 29 dager). Alle tidsstempler i UTC. Test-panelaktivitet vises ikke. (Verified 2026-06-19)
|
||||
- Aktive brukere (DAU/MAU): krever at agenten er satt til å kreve autentisering (Settings → Security → Authentication) (Verified 2026-06-19)
|
||||
- Agent performance (respons-effektivitet)
|
||||
- User satisfaction ratings (thumbs up/down med kommentarer, GA aug 2025)
|
||||
- Session metrics (completion rate, abandonment)
|
||||
|
|
@ -463,10 +465,10 @@ Get-MgBetaReportMicrosoft365CopilotUserCountSummary `
|
|||
|
||||
## Kilder og verifisering
|
||||
|
||||
**Microsoft Learn (Verified – MCP research 2026-04):**
|
||||
**Microsoft Learn (Verified – MCP research 2026-06-19):**
|
||||
- [Microsoft 365 Copilot reporting options for admins](https://learn.microsoft.com/en-us/copilot/microsoft-365/microsoft-365-copilot-reports-for-admins)
|
||||
- [Microsoft 365 Copilot usage report](https://learn.microsoft.com/en-us/microsoft-365/admin/activity-reports/microsoft-365-copilot-usage) — Inkluderer nå Agent adoption-seksjon og Copilot Chat (work/web) split (Verified 2026-04)
|
||||
- [Microsoft 365 Copilot readiness report](https://learn.microsoft.com/en-us/microsoft-365/admin/activity-reports/microsoft-365-copilot-readiness) — Viser 'Suggested candidate for Copilot' (topp 25% ikke-lisensierte brukere basert på M365-bruk) (Verified 2026-04)
|
||||
- [Microsoft 365 Copilot usage report](https://learn.microsoft.com/en-us/microsoft-365/admin/activity-reports/microsoft-365-copilot-usage) — Inkluderer nå Agent adoption-seksjon og Copilot Chat (work/web) split (Verified 2026-06-19)
|
||||
- [Microsoft 365 Copilot readiness report](https://learn.microsoft.com/en-us/microsoft-365/admin/activity-reports/microsoft-365-copilot-readiness) — Viser 'Suggested candidate for Copilot' (topp 25% ikke-lisensierte brukere basert på M365-bruk) (Verified 2026-06-19)
|
||||
- [Connect to the Microsoft Copilot Dashboard](https://learn.microsoft.com/en-us/viva/insights/org-team-insights/copilot-dashboard)
|
||||
- [Copilot Analytics introduction](https://learn.microsoft.com/en-us/viva/insights/copilot-analytics-introduction)
|
||||
- [Microsoft Purview audit logs for Copilot](https://learn.microsoft.com/en-us/purview/audit-copilot)
|
||||
|
|
@ -482,7 +484,7 @@ Get-MgBetaReportMicrosoft365CopilotUserCountSummary `
|
|||
- ROI methodology: [How we measure the value of AI at work](https://www.microsoft.com/worklab/how-we-measure-the-value-of-ai-at-work)
|
||||
|
||||
**Confidence-nivå per seksjon:**
|
||||
- **Kjernekomponenter:** Verified (100% – direkte fra Microsoft Learn 2026-04)
|
||||
- **Kjernekomponenter:** Verified (100% – direkte fra Microsoft Learn 2026-06-19)
|
||||
- **Arkitekturmønstre:** Baseline (80% – best practices basert på Microsoft-anbefalinger)
|
||||
- **Beslutningsveiledning:** Verified (95% – bekreftet av MCP-dokumentasjon)
|
||||
- **Integrasjon med Microsoft-stakken:** Verified (100% – API-dokumentasjon og dataflyt-diagrammer)
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# API Rate Limiting and Resilience Patterns
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Copilot Extensibility & Integration
|
||||
|
||||
|
|
@ -17,7 +17,7 @@ Denne referansen dekker:
|
|||
- **Plattformspesifikke kvotegrenser** (Azure OpenAI, Copilot Studio)
|
||||
- **Implementeringsmønstre** med kodeeksempler
|
||||
|
||||
**Confidence:** Verified (Microsoft Learn MCP, januar 2026) | Re-verified: MCP 2026-04
|
||||
**Confidence:** Verified (Microsoft Learn MCP, januar 2026) | Re-verified: MCP 2026-06-19
|
||||
|
||||
---
|
||||
|
||||
|
|
@ -268,7 +268,7 @@ while True:
|
|||
|
||||
**2. Hva er tjenestens throttling-grense?**
|
||||
- Sjekk dokumentasjon for TPM (tokens per minute), RPM (requests per minute)
|
||||
- Eksempler: Azure OpenAI Standard tier = 150K TPM (gpt-4o), Copilot Studio = per hour/minute quotas
|
||||
- Eksempler: Azure OpenAI Standard tier = 150K TPM (gpt-4o), Copilot Studio = per Dataverse-environment RPM/RPH (generative AI: 50 RPM / 1 000 RPH med 1-10 message packs, skalerer til 100 RPM / 2 000 RPH; 8 000 RPM for meldinger til en agent)
|
||||
|
||||
**3. Har applikasjonen multiple workstreams?**
|
||||
- Ja → Bruk shared rate limiter eller separate capacity pools
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Context Window Optimization for Copilot
|
||||
|
||||
**Last updated:** 2026-02
|
||||
**Last updated:** 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Copilot Extensibility & Integration
|
||||
|
||||
|
|
@ -570,4 +570,4 @@ Response + Citations
|
|||
- **Pricing estimates:** Baseline (modellantagelser basert på Azure pricing calculator, NOK exchange rate)
|
||||
- **Offentlig sektor-anbefalinger:** Baseline (basert på generelle GDPR/Datatilsynet-prinsipper, ikke produkt-spesifikk dokumentasjon)
|
||||
|
||||
**Sist oppdatert:** 2026-02 (Session-basert research via microsoft-learn MCP)
|
||||
**Sist oppdatert:** 2026-06-19 (Session-basert research via microsoft-learn MCP)
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Security Patterns for Copilot Extensions
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Copilot Extensibility & Integration
|
||||
|
||||
|
|
@ -23,7 +23,7 @@ Microsoft tilbyr flere autentiseringsmodeller og sikkerhetskontroller for extens
|
|||
|
||||
**Viktighetsgrad:** KRITISK. Feilkonfigurerte extensions kan lekke sensitiv data, gi uautorisert tilgang eller bli utnyttet i prompt injection-angrep.
|
||||
|
||||
**Re-verified:** Microsoft Security Copilot plugin API og autentiseringsmodeller verifisert via MCP 2026-04.
|
||||
**Re-verified:** Microsoft Security Copilot plugin API og autentiseringsmodeller verifisert via MCP 2026-06-19.
|
||||
|
||||
---
|
||||
|
||||
|
|
@ -719,7 +719,7 @@ Descriptor:
|
|||
|
||||
### Verifiserte kilder (MCP-research)
|
||||
|
||||
**Microsoft Learn (Verified — 2026-02):**
|
||||
**Microsoft Learn (Verified — 2026-02, re-verified MCP 2026-06-19):**
|
||||
1. [Data, Privacy, and Security for Microsoft 365 Copilot Extensibility](https://learn.microsoft.com/en-us/microsoft-365-copilot/extensibility/data-privacy-security) — **Verified**
|
||||
2. [API plugins in Microsoft Security Copilot](https://learn.microsoft.com/en-us/copilot/security/plugin-api) — **Verified**
|
||||
3. [Apply Zero Trust to Microsoft 365 Copilot](https://learn.microsoft.com/en-us/security/zero-trust/copilots/zero-trust-microsoft-365-copilot) — **Verified**
|
||||
|
|
@ -745,5 +745,5 @@ Descriptor:
|
|||
- **Offentlig sektor Norge:** ✅ Middels (GDPR/ISO verified, Difis-krav baseline knowledge)
|
||||
- **Kostnad og lisensiering:** ✅ Middels (priser kan endre seg, structure verified)
|
||||
|
||||
**Sist verifisert:** 2026-02-04
|
||||
**Neste review:** 2026-05 (kvartalvis oppdatering anbefalt for security patterns)
|
||||
**Sist verifisert:** 2026-06-19
|
||||
**Neste review:** 2026-09-19 (kvartalvis oppdatering anbefalt for security patterns)
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Multi-Agent Orchestration in Copilot
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04-10
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** Generally Available (GA)
|
||||
**Category:** Copilot Extensibility & Integration
|
||||
|
||||
|
|
@ -430,7 +430,7 @@ Triage: "Jeg ser du har spørsmål om barnetrygd.
|
|||
|
||||
1. **Multi-agent patterns:**
|
||||
https://learn.microsoft.com/en-us/microsoft-copilot-studio/guidance/multi-agent-patterns
|
||||
(Verified: 2026-04)
|
||||
(Verified: 2026-06-19)
|
||||
|
||||
2. **Generative orchestration:**
|
||||
https://learn.microsoft.com/en-us/microsoft-copilot-studio/advanced-generative-actions
|
||||
|
|
@ -446,7 +446,7 @@ Triage: "Jeg ser du har spørsmål om barnetrygd.
|
|||
|
||||
5. **Agent governance (M365 admin):**
|
||||
https://learn.microsoft.com/en-us/microsoft-365/admin/manage/manage-copilot-agents-integrated-apps
|
||||
(Verified: 2026-04)
|
||||
(Verified: 2026-06-19)
|
||||
|
||||
6. **Agent security & compliance:**
|
||||
https://learn.microsoft.com/en-us/copilot/microsoft-365/agent-essentials/agent-essentials-overview
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Localization and Globalization in Copilot
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Copilot Extensibility & Integration
|
||||
|
||||
|
|
@ -298,7 +298,7 @@ Agent kan detektere brukerens språk i hver melding og bytte språk dynamisk gje
|
|||
|
||||
**Agent Builder:**
|
||||
- Opprett agents i Microsoft 365 Copilot via Agent Builder
|
||||
- Authoring canvas i 26 språk (inkludert norsk)
|
||||
- Authoring canvas i 25 språk (inkludert norsk bokmål nb-NO)
|
||||
- Describe tab støtter alle M365 Copilot-språk
|
||||
|
||||
**Integrasjon:**
|
||||
|
|
@ -579,7 +579,7 @@ Agent kan detektere brukerens språk i hver melding og bytte språk dynamisk gje
|
|||
|
||||
### Microsoft Learn (Verified via MCP 2026-02)
|
||||
|
||||
1. **Configure and create multilingual agents** (Re-verified MCP 2026-04)
|
||||
1. **Configure and create multilingual agents** (Re-verified MCP 2026-06-19)
|
||||
https://learn.microsoft.com/en-us/microsoft-copilot-studio/multilingual
|
||||
- Primær kilde for Copilot Studio multilingual configuration
|
||||
- Dekker: add languages, localization files, dynamic language switching, testing, adaptive card localization workaround
|
||||
|
|
@ -595,7 +595,7 @@ Agent kan detektere brukerens språk i hver melding og bytte språk dynamisk gje
|
|||
- Auto-detect spoken language
|
||||
- Best practices for localization
|
||||
|
||||
4. **Language support** (Re-verified MCP 2026-04)
|
||||
4. **Language support** (Re-verified MCP 2026-06-19)
|
||||
https://learn.microsoft.com/en-us/microsoft-copilot-studio/authoring-language-support
|
||||
- Full liste over støttede språk per feature (authoring canvas, generative answers, voice)
|
||||
- Norsk bokmål (nb-NO) er GA i alle features
|
||||
|
|
@ -609,7 +609,7 @@ Agent kan detektere brukerens språk i hver melding og bytte språk dynamisk gje
|
|||
6. **Agent Builder regional availability and language support**
|
||||
https://learn.microsoft.com/en-us/microsoft-365-copilot/extensibility/agent-builder-regional-availability
|
||||
- M365 Copilot Agent Builder language support
|
||||
- Authoring canvas languages (26 inkludert norsk)
|
||||
- Authoring canvas languages (25 inkludert norsk bokmål nb-NO)
|
||||
|
||||
7. **Microsoft 365 Copilot release notes**
|
||||
https://learn.microsoft.com/en-us/copilot/microsoft-365/release-notes
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# NLP Configuration and Intent Recognition
|
||||
|
||||
**Last updated:** 2026-04
|
||||
**Last updated:** 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Copilot Extensibility & Integration
|
||||
|
||||
|
|
@ -510,7 +510,7 @@ Før du foreslår NLU-konfigurasjon, sjekk:
|
|||
|
||||
### MCP-kilder (microsoft-learn)
|
||||
|
||||
Følgende Microsoft Learn-dokumentasjon ble brukt (april 2026):
|
||||
Følgende Microsoft Learn-dokumentasjon ble brukt (juni 2026):
|
||||
|
||||
1. **Design effective language understanding**
|
||||
- URL: https://learn.microsoft.com/en-us/microsoft-copilot-studio/guidance/language-understanding
|
||||
|
|
@ -562,9 +562,9 @@ Alle "Verified"-markeringer er basert på:
|
|||
### Siste oppdatering
|
||||
|
||||
- **Dokument opprettet**: 2026-02-04
|
||||
- **MCP-data hentet**: 2026-04-10
|
||||
- **Siste innholdsoppdatering**: 2026-04
|
||||
- **Microsoft Learn-versjon**: April 2026
|
||||
- **MCP-data hentet**: 2026-06-19
|
||||
- **Siste innholdsoppdatering**: 2026-06-19
|
||||
- **Microsoft Learn-versjon**: Juni 2026
|
||||
- **Copilot Studio-versjon**: GA (Generally Available)
|
||||
|
||||
---
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Topics and Entities in Copilot Studio
|
||||
|
||||
**Last updated:** 2026-04
|
||||
**Last updated:** 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Copilot Extensibility & Integration
|
||||
|
||||
|
|
@ -117,7 +117,7 @@ Agent hopper over allerede besvarte spørsmål.
|
|||
|
||||
**Merk (oppdatert 2026-04):** Proactive slot filling er aktivert som standard. Deaktiver per node via **Skip question → Ask every time** i Question-noden Properties. Agenten lytter aktivt og husker informasjon gjennom hele samtalen.
|
||||
|
||||
**Entity literals (Verified 2026-04):** Du kan eksponere eksakt ordlyd fra bruker-input (f.eks. "tomorrow") ved å aktivere **Include metadata** i Question-nodens entity recognition-properties. Variabelen blir da av typen *record* med (råtekst fra bruker) og (strukturert verdi). Nyttig for naturlige bekreftelsesmeldinger («Du bestilte for i morgen (4/2/2026)»).
|
||||
**Entity literals (Verified 2026-06):** Du kan eksponere eksakt ordlyd fra bruker-input (f.eks. "tomorrow") ved å aktivere **Include metadata** i Question-nodens entity recognition-properties. Variabelen blir da av typen *record* med `.Literal` (råtekst fra bruker) og `.Value` (strukturert verdi). Du kan også legge til betinget logikk basert på `.ConfidenceScore`. Nyttig for naturlige bekreftelsesmeldinger («Du bestilte for i morgen (4/2/2026)»).
|
||||
|
||||
**Arkitekturvalg:**
|
||||
|
||||
|
|
@ -358,7 +358,7 @@ User → Copilot Studio Agent (Topic)
|
|||
|
||||
### Primærkilder (Verified)
|
||||
|
||||
Alle referanser er hentet fra offisiell Microsoft Learn-dokumentasjon via MCP (`microsoft-learn` server), april 2026:
|
||||
Alle referanser er hentet fra offisiell Microsoft Learn-dokumentasjon via MCP (`microsoft-learn` server), juni 2026:
|
||||
|
||||
1. **Create and edit topics**
|
||||
https://learn.microsoft.com/en-us/microsoft-copilot-studio/authoring-create-edit-topics
|
||||
|
|
@ -432,7 +432,7 @@ Følgende informasjon er basert på modellens treningsdata (januar 2025) og bekr
|
|||
| Offentlig sektor (Norge) | **Baseline** | Modell-ekstrapolasjon basert på general GDPR/compliance-kunnskap |
|
||||
| Kostnad og lisensiering | **Baseline** | Modellkunnskap (januar 2025), kan ha endret seg i 2026 |
|
||||
|
||||
**Sist verifisert:** 2026-04-10 (via MCP `microsoft-learn` server)
|
||||
**Sist verifisert:** 2026-06-19 (via MCP `microsoft-learn` server)
|
||||
|
||||
---
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Declarative Agents - Design and Implementation
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04-10
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Copilot Extensibility & Integration
|
||||
|
||||
|
|
@ -197,7 +197,7 @@ Declarative agents bruker en konfigurasjonsdrevet tilnærming i stedet for custo
|
|||
|
||||
**Verified:** ISV store submission krav (Microsoft 365 validation guidelines):
|
||||
- Minst 3 prompt starters (conversation_starters) — Must fix
|
||||
- App manifest versjon 1.13 eller nyere — Must fix (seneste GA-versjon: 1.26, april 2026) (Verified 2026-04)
|
||||
- App manifest versjon 1.13 eller nyere — Must fix (seneste GA-versjon: 1.28, mai 2026; v1.29 dokumentert juni 2026) (Verified 2026-06)
|
||||
- Navn (`name`) MÅ være identisk i manifest.json, declarativeAgent.json og plugin.json — Must fix
|
||||
- Responstid ≤9 sekunder (99 percentil) — Must fix
|
||||
- Alle serverkall med HTTPS + TLS 1.2+ — Must fix
|
||||
|
|
@ -531,4 +531,4 @@ Bruk når: Declarative agent trenger multi-step workflow (workaround for sekvens
|
|||
- ROI-beregninger (bransjestandarder)
|
||||
- Offentlig sektor-anbefalinger (basert på generell kunnskap om norsk forvaltning)
|
||||
|
||||
**Sist verifisert:** 2026-04-10
|
||||
**Sist verifisert:** 2026-06-19
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Grounding Strategies for Declarative Agents
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04-10
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Copilot Extensibility & Integration
|
||||
|
||||
|
|
@ -261,12 +261,12 @@ Denne guiden dekker arkitekturmønstre for grounding, beslutningskriterier for v
|
|||
|
||||
### SharePoint + Semantic Index (Anbefalt for GA-produksjon)
|
||||
|
||||
Hvis tenant har **Microsoft 365 Copilot-lisens**, aktiver **Tenant graph grounding with semantic search** for:
|
||||
- Støtte for filer opptil **200 MB** i generell bruk (PDF/PPTX/DOCX støtter opptil 512 MB)
|
||||
- Bedre retrieval-kvalitet (bruker Microsoft Graph semantic index)
|
||||
Hvis tenant har **Microsoft 365 Copilot-lisens**, aktiver **Turn on Work IQ** (semantic search; tidligere kalt «Tenant graph grounding») for:
|
||||
- Støtte for SharePoint/connector-filer opptil **200 MB** i generell bruk (PDF/PPTX/DOCX-filer støttes opptil 512 MB)
|
||||
- Bedre retrieval-kvalitet (bruker Microsoft Search semantic index)
|
||||
- Raskere søk i store SharePoint-sites
|
||||
- Krever at agent bruker **Authenticate with Microsoft** (ikke andre auth-metoder)
|
||||
- Aktivert som standard for nye agenter med generativ orchestration
|
||||
- Aktivert som standard når makeren har en Microsoft 365 Copilot-lisens i samme tenant (Verified 2026-06)
|
||||
|
||||
**Trade-off:** Noe høyere latency for enkelte queries. Kan slås av per agent hvis kvaliteten er lavere enn forventet.
|
||||
|
||||
|
|
@ -352,9 +352,9 @@ Kun støttet via **Agents Toolkit** (ikke Agent Builder i Microsoft 365 Copilot
|
|||
3. **Scope aggressivt** → Færre filer/chats = raskere retrieval = lavere latency
|
||||
4. **Unngå "all Teams chats"** → Bruk scoped chats (max 5) for relevans
|
||||
|
||||
### Tenant Graph Grounding: Kostnad vs. Ytelse
|
||||
### Work IQ (tidl. Tenant Graph Grounding): Kostnad vs. Ytelse
|
||||
|
||||
Tenant graph grounding krever **minst én Microsoft 365 Copilot-lisens** i tenant.
|
||||
Work IQ (semantic search) krever **minst én Microsoft 365 Copilot-lisens** i tenant.
|
||||
|
||||
**Trade-off:**
|
||||
- Kostnad: Microsoft 365 Copilot-lisens (ca. $30/user/month i USA, pris varierer)
|
||||
|
|
@ -414,7 +414,7 @@ Tenant graph grounding krever **minst én Microsoft 365 Copilot-lisens** i tenan
|
|||
- Migrer til **SharePoint** (permission-aware)
|
||||
- Legg til **Teams Messages** (scope til 1-2 kanaler)
|
||||
- Kjøp Microsoft 365 Copilot-lisenser for pilot-gruppe
|
||||
- Aktiver **Tenant graph grounding** hvis tenant har lisens
|
||||
- Aktiver **Work IQ** (semantic search) hvis tenant har lisens
|
||||
|
||||
**Produksjon (> 100 brukere):**
|
||||
- Bruk **Copilot Connectors** for eksterne systemer
|
||||
|
|
@ -440,7 +440,7 @@ Tenant graph grounding krever **minst én Microsoft 365 Copilot-lisens** i tenan
|
|||
- [Declarative agent manifest v1.6](https://learn.microsoft.com/en-us/microsoft-365-copilot/extensibility/declarative-agent-manifest-1.6) — JSON-syntax for knowledge sources
|
||||
- [Microsoft 365 Copilot connectors overview](https://learn.microsoft.com/en-us/microsoft-365-copilot/extensibility/overview-copilot-connector) — Graph connectors for external data
|
||||
- [Copilot Studio: Add Copilot connectors as knowledge](https://learn.microsoft.com/en-us/microsoft-copilot-studio/knowledge-copilot-connectors) — Copilot Studio-spesifikk guide
|
||||
- [Copilot Studio: Knowledge sources summary](https://learn.microsoft.com/en-us/microsoft-copilot-studio/knowledge-copilot-studio) — Inkludert Tenant graph grounding, Allow ungrounded responses, Web Search (Verified 2026-04)
|
||||
- [Copilot Studio: Knowledge sources summary](https://learn.microsoft.com/en-us/microsoft-copilot-studio/knowledge-copilot-studio) — Inkludert Work IQ (tidl. Tenant graph grounding), Allow ungrounded responses, Web Search (Verified 2026-06)
|
||||
- [Data, privacy, and security for web search](https://learn.microsoft.com/en-us/microsoft-copilot-studio/data-privacy-security-web-search) — Bing integration, GDPR, DPA
|
||||
- [Quotas and limits for Copilot Studio](https://learn.microsoft.com/en-us/microsoft-copilot-studio/requirements-quotas) — File size, connector limits
|
||||
|
||||
|
|
@ -455,8 +455,8 @@ Tenant graph grounding krever **minst én Microsoft 365 Copilot-lisens** i tenan
|
|||
| Beslutningstabell (valg av source) | **Baseline** | Syntetisert fra best practices + modellkunnskap |
|
||||
| Offentlig sektor (GDPR, AI Act) | **Baseline** | Modellkunnskap (2025-01 cutoff) + MCP (data-privacy-security-web-search) |
|
||||
| Kostnad og lisensiering | **Verified** | MCP: knowledge-sources (license requirements table) |
|
||||
| Tenant Graph Grounding | **Verified** | MCP: knowledge-copilot-studio#tenant-graph-grounding |
|
||||
| Work IQ (tidl. Tenant Graph Grounding) | **Verified** | MCP: knowledge-copilot-studio#turn-on-work-iq |
|
||||
|
||||
**Sist verifisert:** 2026-04-10
|
||||
**Sist verifisert:** 2026-06-19
|
||||
**MCP-kall:** 7 (3 search, 3 fetch, 1 code sample search)
|
||||
**Unike kilder:** 9 Microsoft Learn-dokumenter
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# M365 Copilot Plugins - Ecosystem and Distribution
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04-10
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Copilot Extensibility & Integration
|
||||
|
||||
|
|
@ -33,8 +33,8 @@ M365 Copilot plugins distribueres som en `.zip`-fil som inneholder:
|
|||
|
||||
```json
|
||||
{
|
||||
"$schema": "https://developer.microsoft.com/json-schemas/teams/v1.26/MicrosoftTeams.schema.json",
|
||||
"manifestVersion": "1.26" // Verified 2026-04: v1.26 er seneste GA (april 2026),
|
||||
"$schema": "https://developer.microsoft.com/json-schemas/teams/v1.28/MicrosoftTeams.schema.json",
|
||||
"manifestVersion": "1.28" // Verified 2026-06: v1.28 er seneste GA (mai 2026); v1.29 dokumentert (juni 2026),
|
||||
"version": "1.0.0",
|
||||
"id": "00000000-0000-0000-0000-000000000000",
|
||||
"developer": {
|
||||
|
|
@ -247,7 +247,7 @@ App Manifest (manifest.json)
|
|||
|
||||
| Krav | Verdi |
|
||||
|------|-------|
|
||||
| **Manifest-versjon** | 1.13 eller nyere (seneste GA: v1.26, april 2026) (Verified 2026-04) |
|
||||
| **Manifest-versjon** | 1.13 eller nyere (seneste GA: v1.28, mai 2026; v1.29 dokumentert juni 2026) (Verified 2026-06) |
|
||||
| **Responstid** | ≤9 sek (99%), ≤5 sek (75%), ≤2 sek (50%) |
|
||||
| **Tilgjengelighet** | 99.9% uptime |
|
||||
| **TLS** | 1.2 eller høyere (alle serverkall) |
|
||||
|
|
@ -432,7 +432,7 @@ Hvis plugin brukes til å fatte avgjørelser som påvirker individers rettighete
|
|||
| **Ecosystem Overview** | [Copilot extensibility in the Microsoft 365 ecosystem](https://learn.microsoft.com/microsoft-365-copilot/extensibility/ecosystem) | ✅ Verified (MCP) |
|
||||
| **App Package Structure** | [Agents are apps for Microsoft 365](https://learn.microsoft.com/microsoft-365-copilot/extensibility/agents-are-apps) | ✅ Verified (MCP) |
|
||||
| **Distribution Methods** | [Publish agents for Microsoft 365 Copilot](https://learn.microsoft.com/microsoft-365-copilot/extensibility/publish) | ✅ Verified (MCP) |
|
||||
| **Manifest Schema** | [Microsoft 365 app manifest schema reference](https://learn.microsoft.com/microsoft-365/extensibility/schema) — seneste GA: v1.26 (april 2026) | ✅ Verified (MCP 2026-04) |
|
||||
| **Manifest Schema** | [Microsoft 365 app manifest schema reference](https://learn.microsoft.com/microsoft-365/extensibility/schema) — seneste GA: v1.28 (mai 2026); v1.29 dokumentert (juni 2026) | ✅ Verified (MCP 2026-06) |
|
||||
| **Plugin Types** | [Adopt, extend and build Copilot experiences](https://learn.microsoft.com/copilot/roadmap/overview) | ✅ Verified (MCP) |
|
||||
| **Teams Admin Center** | [Manage apps in Teams admin center](https://learn.microsoft.com/microsoftteams/manage-apps) | ✅ Verified (MCP) |
|
||||
| **Partner Center** | [Microsoft 365 and Copilot program](https://learn.microsoft.com/partner-center/marketplace/why-publish) | ✅ Verified (MCP) |
|
||||
|
|
@ -446,4 +446,4 @@ Hvis plugin brukes til å fatte avgjørelser som påvirker individers rettighete
|
|||
- ✅ **Verified:** Hentet direkte fra Microsoft Learn via MCP (oppdatert per januar 2026)
|
||||
- ⚠️ **Baseline:** Basert på modellkunnskap (legal/regulatory tekster, ikke Microsoft-dokumentasjon)
|
||||
|
||||
**Siste oppdatering av Microsoft-dokumentasjon:** April 2026 (reflektert i MCP-kall 2026-04-10) — Manifest v1.26 GA
|
||||
**Siste oppdatering av Microsoft-dokumentasjon:** Juni 2026 (reflektert i MCP-kall 2026-06-19) — Manifest v1.28 seneste GA, v1.29 dokumentert
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Model Context Protocol (MCP) in Copilot Studio
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** Generally Available (GA)
|
||||
**Category:** Copilot Extensibility & Integration
|
||||
|
||||
|
|
@ -55,7 +55,7 @@ MCP ble opprinnelig utviklet av Anthropic og har blitt raskt adoptert som indust
|
|||
└─────────────────────────────────────────┘
|
||||
```
|
||||
|
||||
**Konfidensmarkering:** Verified (MCP-dokumentasjon fra Microsoft Learn, feb 2026)
|
||||
**Konfidensmarkering:** Verified (MCP-dokumentasjon fra Microsoft Learn, re-verified MCP 2026-06-19)
|
||||
|
||||
### Tre MCP-komponenter
|
||||
|
||||
|
|
@ -165,7 +165,7 @@ Svar: "Du har 247 accounts."
|
|||
| **Azure Container Apps** | Docker | Managed identity-integrasjon |
|
||||
| **MCP SDK** | TypeScript, Python | Rask prototyping |
|
||||
|
||||
**Azure App Service som MCP-server:** App Service har innebygd støtte for Microsoft Entra ID og managed identities for produksjonsklare MCP-servere. Eksisterende REST API-er kan eksponeres som AI-tilgjengelige tools uten å omskrive koden. Tutorials tilgjengelig for .NET, Java, Node.js og Python.
|
||||
**Azure App Service som MCP-server:** App Service har innebygd støtte for Microsoft Entra ID og managed identities for produksjonsklare MCP-servere. Det finnes to vertsmønstre: (1) **Bring your own MCP server** — legg til en MCP SDK i koden og eksponer et MCP-endepunkt (tutorials for .NET, Java, Node.js og Python); (2) **App Service built-in MCP (Preview)** — for eksisterende REST API-er med en OpenAPI 3.x-spesifikasjon kan plattformen være MCP-server uten kodeendringer (hver operasjon blir et MCP-tool over Streamable HTTP, med autentisering, protokollforhandling og hot-reload av spec håndtert av plattformen).
|
||||
|
||||
**Konfidensmarkering:** Verified (Azure App Service MCP-dokumentasjon)
|
||||
|
||||
|
|
@ -446,5 +446,5 @@ Trenger du "write once, run anywhere" for flere agenter?
|
|||
|
||||
---
|
||||
|
||||
**Sist oppdatert:** 2026-04-10
|
||||
**Neste review:** 2026-07 (ved nye MCP-features i Copilot Studio)
|
||||
**Sist oppdatert:** 2026-06-19
|
||||
**Neste review:** 2026-09-19 (ved nye MCP-features i Copilot Studio)
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Power Automate and Copilot Studio Integration
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Copilot Extensibility & Integration
|
||||
|
||||
|
|
@ -16,7 +16,7 @@ Integrasjonen opererer på to nivåer:
|
|||
|
||||
Begge typer flows kan trigges fra agenter, enten gjennom eksplisitte topic-baserte handlinger eller via generativ orkestrering hvor agenten selv velger når en flow skal kjøres.
|
||||
|
||||
**Confidence marker:** Verified (MCP microsoft-learn 2026-02)
|
||||
**Confidence marker:** Verified (MCP microsoft-learn 2026-06-19)
|
||||
|
||||
---
|
||||
|
||||
|
|
@ -30,7 +30,7 @@ Agent flows er flows skapt og forvaltet direkte i Copilot Studio. De tilbyr en s
|
|||
|----------|-------------|
|
||||
| **Opprettelse** | Natural language (via Copilot) eller visuell designer |
|
||||
| **Triggers** | Instant (manuell), schedule-basert, eller event-drevet |
|
||||
| **Hovedtrigger** | "Run a flow from Copilot" — gjør flow tilgjengelig som tool i agenter |
|
||||
| **Hovedtrigger** | "When an agent calls the flow" (med "Respond to the agent"-action) — gjør flow tilgjengelig som tool i agenter |
|
||||
| **Actions** | AI-kapabiliteter (LLM, document processing, natural language reply), Human-in-the-loop, Built-in tools, Connectors (700+) |
|
||||
| **Fakturering** | Copilot Studio capacity per action (ikke Power Automate). Test i embedded chat er GRATIS. |
|
||||
| **Kapasitetsgrense** | Når prepaid Copilot Studio-kapasitet er oppbrukt, blokkeres nye flow-kjøringer (running flows fullfører normalt) |
|
||||
|
|
@ -53,7 +53,7 @@ Tradisjonelle cloud flows kan integreres med Copilot Studio på to måter:
|
|||
|
||||
| Metode | Beskrivelse | Fakturering |
|
||||
|--------|-------------|-------------|
|
||||
| **Direkte kall** | Bruk trigger "Run a flow from Copilot" i eksisterende cloud flow | Power Automate license |
|
||||
| **Direkte kall** | Bruk trigger "When an agent calls the flow" i eksisterende cloud flow | Power Automate license |
|
||||
| **Konvertering til agent flow** | Konverter cloud flow til agent flow i Power Automate-portalen | Copilot Studio capacity |
|
||||
|
||||
**Konverteringskrav:**
|
||||
|
|
@ -95,7 +95,7 @@ Endre plan til "Copilot Studio" → Save → Bekreft
|
|||
**Bruksområde:** Deterministisk flow-kall når bruker trigger spesifikk topic.
|
||||
|
||||
**Implementering:**
|
||||
1. Opprett agent flow med "Run a flow from Copilot" trigger
|
||||
1. Opprett agent flow med "When an agent calls the flow" trigger (+ "Respond to the agent"-action)
|
||||
2. Definer inputs (String, Number, Boolean, etc.)
|
||||
3. I Copilot Studio topic: legg til "Call an action" node
|
||||
4. Map topic-variabler til flow inputs
|
||||
|
|
@ -129,7 +129,7 @@ Flow:
|
|||
**Bruksområde:** La agenten selv velge når og hvordan flows skal brukes basert på konversasjonskontekst.
|
||||
|
||||
**Implementering:**
|
||||
1. Opprett agent flow med "Run a flow from Copilot" trigger
|
||||
1. Opprett agent flow med "When an agent calls the flow" trigger (+ "Respond to the agent"-action)
|
||||
2. Publish flow
|
||||
3. I Copilot Studio: gå til Tools → Add a tool → Flow
|
||||
4. Velg flow og konfigurer:
|
||||
|
|
@ -196,7 +196,7 @@ Topic: "Create travel policy"
|
|||
**Bruksområde:** Human-in-the-loop godkjenningsprosesser.
|
||||
|
||||
**Implementering:**
|
||||
1. Flow trigger: "Run a flow from Copilot"
|
||||
1. Flow trigger: "When an agent calls the flow"
|
||||
2. Action: "Start and wait for an approval"
|
||||
- Approval type: Approve/Reject eller Custom responses
|
||||
- Assignees: dynamisk eller statisk
|
||||
|
|
@ -536,9 +536,9 @@ Scenario: 100 brukere, 1000 flow runs/måned via Copilot Studio agent
|
|||
|
||||
## Kilder og verifisering
|
||||
|
||||
**Microsoft Learn dokumentasjon (Verified 2026-02):**
|
||||
**Microsoft Learn dokumentasjon (Verified 2026-02, re-verified MCP 2026-06-19):**
|
||||
|
||||
1. **Agent flows overview** (Re-verified MCP 2026-04)
|
||||
1. **Agent flows and workflows overview** (Re-verified MCP 2026-06-19)
|
||||
https://learn.microsoft.com/en-us/microsoft-copilot-studio/flows-overview
|
||||
|
||||
2. **Call an agent flow**
|
||||
|
|
@ -566,8 +566,8 @@ Scenario: 100 brukere, 1000 flow runs/måned via Copilot Studio agent
|
|||
|
||||
**Code samples:**
|
||||
- Natural language flow creation (Copilot)
|
||||
- "Run a flow from Copilot" trigger setup
|
||||
- "When an agent calls the flow" trigger setup (+ "Respond to the agent"-action)
|
||||
- Topic-based flow calling pattern
|
||||
- Approval workflow with Power Automate
|
||||
|
||||
**Confidence level:** Verified — all information sourced from official Microsoft Learn documentation via microsoft-learn MCP server (2026-02, re-verified 2026-04).
|
||||
**Confidence level:** Verified — all information sourced from official Microsoft Learn documentation via microsoft-learn MCP server (2026-02, re-verified 2026-06-19).
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# SharePoint and OneDrive Copilot Agents
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04-10
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Copilot Extensibility & Integration
|
||||
|
||||
|
|
@ -328,7 +328,7 @@ SharePoint Copilot Agents respekterer **eksisterende SharePoint-permissions og s
|
|||
### Microsoft Learn-kilder (Verified)
|
||||
|
||||
1. [Get started with agents in SharePoint](https://learn.microsoft.com/en-us/sharepoint/get-started-sharepoint-agents) — **Verified** (apr 2026)
|
||||
2. [Manage access to agents in SharePoint](https://learn.microsoft.com/en-us/sharepoint/manage-access-agents-in-sharepoint) — **Verified** (apr 2026) — Oppdatert: per-user lisensstyring, pay-as-you-go med security groups, restricted content discovery, DLP for .agent-filer
|
||||
2. [Manage access to agents in SharePoint](https://learn.microsoft.com/en-us/sharepoint/manage-access-agents-in-sharepoint) — **Verified** (jun 2026) — Oppdatert: per-user lisensstyring, pay-as-you-go med security groups, restricted content discovery, DLP for .agent-filer
|
||||
3. [Microsoft 365 Copilot agents admin guide](https://learn.microsoft.com/en-us/copilot/microsoft-365/agent-essentials/m365-agents-admin-guide) — **Verified** (apr 2026)
|
||||
4. [Declarative agents for Microsoft 365 Copilot](https://learn.microsoft.com/en-us/microsoft-365-copilot/extensibility/overview-declarative-agent) — **Verified** (feb 2026)
|
||||
5. [Publish agents for Microsoft 365 Copilot](https://learn.microsoft.com/en-us/microsoft-365-copilot/extensibility/publish) — **Verified** (feb 2026)
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Microsoft Copilot Studio - Knowledge Base
|
||||
|
||||
**Last updated:** 2026-04 (research via microsoft-learn MCP)
|
||||
**Last updated:** 2026-06-19 (research via microsoft-learn MCP)
|
||||
**Status:** GA (General Availability)
|
||||
|
||||
---
|
||||
|
|
@ -53,9 +53,9 @@ Agenter som kjører i bakgrunnen uten brukerinput:
|
|||
Copilot Studio støtter nå Computer-Using Agents (CUA) — AI som kan interagere med Windows-applikasjoner og nettsider via virtuell mus og tastatur:
|
||||
|
||||
- **Beskriv oppgaven med naturlig språk** — agenten utfører oppgaven automatisk
|
||||
- **Støttede modeller:** OpenAI Computer-Using Agent og Anthropic Claude Sonnet 4.5 — Verified (MCP 2026-04)
|
||||
- **Støttede modeller:** OpenAI Computer-Using Agent (GA) og Anthropic Claude Sonnet 4.5 (GA); Claude Sonnet 4.6 (standard, experimental) og Claude Opus 4.6 (premium, experimental) — Verified (MCP 2026-06-19)
|
||||
- **Bruksscenarier:** Automatisk datainntasting, fakturabehandling, dataekstraksjon fra apper uten API
|
||||
- **Fakturering:** 5 Copilot Credits per steg i agentens kjøring
|
||||
- **Fakturering:** 5 Copilot Credits per steg (standard-modell), 15 Copilot Credits per steg (premium-modell)
|
||||
- **Krav:** Generative orchestration aktivert; dedicated Windows-maskin (isolert)
|
||||
- **Sikkerhet:** Anbefalt bruk av dedikerte maskiner med minst mulig tilganger (principle of least privilege)
|
||||
|
||||
|
|
@ -177,9 +177,11 @@ CUA lar agenter automatisere oppgaver i Windows-applikasjoner og nettsider uten
|
|||
- Konfigureres med naturlig språk — ikke kode
|
||||
- Adapterer til UI-endringer automatisk
|
||||
|
||||
### Støttede modeller (per mar 2026):
|
||||
- OpenAI's Computer-Using Agent
|
||||
- Anthropic's Claude Sonnet 4.5 (beta, ruller ut på tvers av støttede regioner) — Verified (MCP 2026-04)
|
||||
### Støttede modeller (per juni 2026):
|
||||
- OpenAI's Computer-Using Agent (standard, GA, 5 credits/steg)
|
||||
- Anthropic's Claude Sonnet 4.5 (standard, GA, 5 credits/steg)
|
||||
- Anthropic's Claude Sonnet 4.6 (standard, experimental, 5 credits/steg)
|
||||
- Anthropic's Claude Opus 4.6 (premium, experimental, 15 credits/steg) — Verified (MCP 2026-06-19)
|
||||
|
||||
### Kjøringsmiljøer:
|
||||
| Type | Beskrivelse | Bruksområde |
|
||||
|
|
@ -309,26 +311,29 @@ Microsoft Copilot Studio-utvidelsen for Visual Studio Code lar utviklere bygge,
|
|||
|
||||
**Standardmodell fra november 2025:** GPT-4.1 (erstattet GPT-4o)
|
||||
|
||||
### Tilgjengelige modeller (feb 2026)
|
||||
### Tilgjengelige modeller (juni 2026)
|
||||
|
||||
| Modell | Status | Kategori | Beste for |
|
||||
|--------|--------|----------|-----------|
|
||||
| GPT-4.1 | GA (default) | General | Standard orkestrering |
|
||||
| GPT-4.1 mini | GA | Mini | Kostnadsoptimalisert |
|
||||
| GPT-5 chat | GA (EU, US nov 2025) | General | Avanserte capabilities |
|
||||
| GPT-5 reasoning | GA | Deep | Kompleks resonnering |
|
||||
| GPT-5.2 chat | Experimental (US) | General | Neste generasjon |
|
||||
| GPT-5.2 reasoning | Experimental (US) | Deep | Dyp resonnering |
|
||||
| Claude Sonnet 4.5 | Experimental | General | Anthropic-modell (ekstern) |
|
||||
| Claude Opus 4.5 | Experimental | Deep | Anthropic-modell (ekstern) |
|
||||
| GPT-5 Chat | GA (alle regioner) | General | Avanserte capabilities |
|
||||
| GPT-5 Reasoning | Preview | Deep | Kompleks resonnering |
|
||||
| GPT-5 Auto | Preview | Auto | Dynamisk ruting på tvers av blandede arbeidslaster |
|
||||
| GPT-5.3 Chat / 5.4 Reasoning / 5.5 Reasoning | Experimental (early access, US) | General/Deep | Neste generasjon |
|
||||
| Claude Sonnet 4.5 | GA | General | Anthropic-modell (ekstern) |
|
||||
| Claude Sonnet 4.6 | GA | General | Anthropic-modell (ekstern) |
|
||||
| Claude Opus 4.6 | GA | Deep | Anthropic-modell (ekstern) |
|
||||
| Claude Opus 4.7 | Experimental | Deep | Anthropic-modell (ekstern) |
|
||||
| Mistral Medium 3.5 | Experimental | General | Ekstern modell |
|
||||
|
||||
**Merk:** GPT-4o ble retired oktober 2025. GPT-5 er GA for EU og US fra november 2025.
|
||||
**Merk:** GPT-4o ble retired oktober 2025. GPT-5 Chat er GA i alle regioner; GPT-5 Reasoning og GPT-5 Auto er i preview. Verified (MCP 2026-06-19).
|
||||
|
||||
### Modellvalg per use case:
|
||||
- **Produksjonsagenter**: GPT-4.1 (default) eller GPT-5 chat (GA)
|
||||
- **Produksjonsagenter**: GPT-4.1 (default), GPT-5 Chat (GA) eller Claude Sonnet 4.5/4.6 (GA)
|
||||
- **Kostnadsoptimalisering**: GPT-4.1 mini (i prompt builder)
|
||||
- **Dyp analyse**: GPT-5 reasoning eller o3 (US)
|
||||
- **Eksperimentering**: GPT-5.2, Claude Sonnet 4.5
|
||||
- **Dyp analyse**: GPT-5 Reasoning (preview) eller Claude Opus 4.6 (GA)
|
||||
- **Eksperimentering**: GPT-5.3/5.4/5.5 (early access), Claude Opus 4.7, Mistral Medium 3.5
|
||||
|
||||
### Bring Your Own Model (BYOM) for prompts
|
||||
**Status:** GA (i prompt builder)
|
||||
|
|
@ -345,7 +350,7 @@ Koble Azure AI Foundry-modeller til Copilot Studio prompts:
|
|||
|
||||
## A2A — Agent2Agent Protocol
|
||||
|
||||
**Status:** Preview (tilgjengelig i Copilot Studio)
|
||||
**Status:** GA (april 2026) — Verified (MCP 2026-06-19)
|
||||
|
||||
A2A er en åpen standard for kommunikasjon og samarbeid mellom agenter på tvers av plattformer og rammeverk.
|
||||
|
||||
|
|
@ -495,7 +500,7 @@ Hvis region ikke har lokal Azure OpenAI:
|
|||
|-----------|----------------|------------------|
|
||||
| **Målgruppe** | Business users, citizen devs, makers | Developers, data scientists |
|
||||
| **Tilnærming** | Low-code, grafisk canvas | Code-first, SDK |
|
||||
| **Modeller** | GPT-4.1, GPT-5 (GA), o3, Claude (ext.) | 11,000+ modeller |
|
||||
| **Modeller** | GPT-4.1, GPT-5 (GA), Claude Sonnet/Opus (ext.) | 11,000+ modeller |
|
||||
| **Orkestrering** | Generative orchestration | Prompt Flow, Agent Service |
|
||||
| **Connectors** | 1000+ Power Platform connectors | Logic Apps, custom APIs |
|
||||
| **Governance** | Power Platform admin center | Azure RBAC, Key Vault |
|
||||
|
|
@ -550,13 +555,13 @@ Copilot Studio kan bruke **Bring Your Own Model** fra Azure AI Foundry for custo
|
|||
- **Copilot Credits** — ny samlet prismodell (sept 2025)
|
||||
- **GPT-5 chat** — GA for EU og US (nov 2025)
|
||||
- **VS Code Extension** — GA (jan 2026)
|
||||
- **A2A (Agent2Agent) protocol** — inter-agent communication, GA (apr 2026)
|
||||
- **Computer use (CUA)** — GA (mai 2026)
|
||||
- **Azure AI Search knowledge** med hybrid search
|
||||
- **Tabular data knowledge** fra Dataverse, Salesforce, ServiceNow
|
||||
|
||||
### Preview
|
||||
- **CUA (Computer-Using Agents)** — desktop/web GUI automation (sept 2025; GA planlagt mai 2026); jan 2026: Cloud PC pooling, enhanced audit logging med session replay, innebygde credentials — Verified (MCP 2026-04)
|
||||
- **GPT-5** models (US, okt 2025)
|
||||
- **A2A (Agent2Agent) protocol** — inter-agent communication
|
||||
- **GPT-5 Reasoning / GPT-5 Auto** — orkestreringsmodeller i preview (juni 2026) — Verified (MCP 2026-06-19)
|
||||
- **Copilot Tuning** — fine-tune M365 Copilot på tenant-data (EAP, Build 2025)
|
||||
- **Code Interpreter in chat** — analyser opplastede filer (sept 2025)
|
||||
- **Customer Managed Keys** (april 2025)
|
||||
|
|
@ -565,19 +570,21 @@ Copilot Studio kan bruke **Bring Your Own Model** fra Azure AI Foundry for custo
|
|||
- **BYOM for response generation** (mar 2026)
|
||||
- **Custom MCP servers** (mar 2026)
|
||||
|
||||
### Modelloversikt (feb 2026)
|
||||
### Modelloversikt (juni 2026)
|
||||
|
||||
| Modell | Status | Beste for |
|
||||
|--------|--------|-----------|
|
||||
| GPT-4.1 | GA (default) | Standard orkestrering |
|
||||
| GPT-4.1 mini | GA | Kostnadsoptimalisert |
|
||||
| GPT-5 chat | GA (EU/US) | Avanserte scenarios |
|
||||
| GPT-5 reasoning | GA | Dyp resonnering |
|
||||
| o3 | GA (US) | Matematikk/kode-reasoning |
|
||||
| Claude Sonnet 4.5 | Experimental | Ekstern Anthropic-modell |
|
||||
| Claude Opus 4.5 | Experimental | Premium Anthropic-modell |
|
||||
| GPT-5 Chat | GA (alle regioner) | Avanserte scenarios |
|
||||
| GPT-5 Reasoning | Preview | Dyp resonnering |
|
||||
| GPT-5 Auto | Preview | Dynamisk ruting (blandede arbeidslaster) |
|
||||
| Claude Sonnet 4.5 | GA | Ekstern Anthropic-modell |
|
||||
| Claude Sonnet 4.6 | GA | Ekstern Anthropic-modell |
|
||||
| Claude Opus 4.6 | GA | Premium Anthropic-modell (deep) |
|
||||
| Claude Opus 4.7 | Experimental | Premium Anthropic-modell (ekstern) |
|
||||
|
||||
**Merk:** GPT-4o retired oktober 2025, erstattet av GPT-4.1 som ny default.
|
||||
**Merk:** GPT-4o retired oktober 2025, erstattet av GPT-4.1 som ny default. Verified (MCP 2026-06-19).
|
||||
|
||||
---
|
||||
|
||||
|
|
@ -680,4 +687,4 @@ Adapted from Microsoft Learn documentation ([CC BY 4.0](https://creativecommons.
|
|||
|
||||
Content has been translated to Norwegian, reorganized, and augmented with decision guidance.
|
||||
|
||||
Research date: 2026-04
|
||||
Research date: 2026-06-19
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Microsoft 365 Copilot - Knowledge Base
|
||||
|
||||
**Last updated:** 2026-04 (research via microsoft-learn MCP)
|
||||
**Last updated:** 2026-06-19 (research via microsoft-learn MCP)
|
||||
**Status:** GA (General Availability)
|
||||
|
||||
---
|
||||
|
|
@ -27,7 +27,7 @@ Microsoft 365 Copilot er en AI-drevet produktivitetsassistent som integrerer sto
|
|||
| **Copilot Studio** | Low-code plattform for å bygge agenter med generativ orchestration og multi-agent støtte (GA) | Makers og utviklere |
|
||||
| **Windows Copilot** | OS-integrert assistent | Forbrukere og bedrifter |
|
||||
| **GitHub Copilot** | Kode-assistent for utviklere | Utviklere |
|
||||
| **Security Copilot** | Sikkerhetsprofesjonelle verktøy (inkludert i M365 E5 fra nov 2025; standalone og M365-integrert) | SOC-teams |
|
||||
| **Security Copilot** | Sikkerhetsprofesjonelle verktøy (inkludert i M365 E5 og E7 fra nov 2025; standalone og M365-integrert) | SOC-teams |
|
||||
|
||||
**Viktig:** M365 Copilot ≠ Copilot Chat. Chat er gratis og web-grounded, M365 Copilot krever lisens og gir tilgang til organisasjonsdata.
|
||||
|
||||
|
|
@ -319,16 +319,17 @@ Krever et kvalifiserende M365-abonnement:
|
|||
9. Copilot Analytics (Copilot Dashboard + Agent Dashboard)
|
||||
10. SharePoint Advanced Management
|
||||
|
||||
### Security Copilot i M365 E5
|
||||
### Security Copilot i M365 E5 og E7
|
||||
|
||||
**Status:** Inkludert fra november 2025 (rulles ut gradvis) Verified (MCP 2026-04)
|
||||
**Status:** Inkludert fra november 2025 (rulles ut gradvis) Verified (MCP 2026-06-19)
|
||||
|
||||
- Rollout startet 18. november 2025 for eksisterende Security Copilot-kunder med E5
|
||||
- Alle M365 E5-kunder får tilgang i løpet av 2025-2026 (30 dagers forhåndsvarsel)
|
||||
- **Kapasitetsmodell:** 400 Security Compute Units (SCU) per 1 000 betalte brukerlisenser, maks 10 000 SCU/mnd uten tilleggskostnad — Verified (MCP 2026-04)
|
||||
- **12 nye sikkerhetesagenter** inkludert på tvers av Defender, Entra, Intune og Purview
|
||||
- Annonsert på Ignite 2025; inkludert for alle M365 E5- og E7-kunder
|
||||
- Rollout startet 18. november 2025 for eksisterende Security Copilot-kunder med E5, og fortsetter i månedene etter for alle E5- og E7-kunder (30 dagers forhåndsvarsel før aktivering; 7 dager nevnt for enkelte scenarier)
|
||||
- **Kapasitetsmodell:** 400 Security Compute Units (SCU) per 1 000 betalte brukerlisenser, maks 10 000 SCU/mnd uten tilleggskostnad; SCU nullstilles månedlig og overføres ikke — Verified (MCP 2026-06-19)
|
||||
- **Overforbruk:** Bruk utover inkluderte SCU throttles på et fremtidig tidspunkt; mulighet for pay-as-you-go til $6/SCU (30 dagers varsel før tilgjengelig)
|
||||
- **Et dusin nye sikkerhetsagenter** inkludert på tvers av Defender, Entra, Intune og Purview
|
||||
- Zero-click automatisk provisjonering — ingen Azure-oppsett eller kapasitetsprovisjonering
|
||||
- **Developer Experiences inkludert:** Agent Builder, API-er, MCP- og Graph API-integrasjoner for å bygge egendefinerte agenter og promptbooks — Verified (MCP 2026-04)
|
||||
- **Developer Experiences inkludert:** Agent Builder, API-er, MCP- og Graph API-integrasjoner for å bygge egendefinerte agenter og promptbooks — Verified (MCP 2026-06-19)
|
||||
|
||||
**Inkluderte kapabiliteter:**
|
||||
- All chat, promptbook og agentisk funksjonalitet
|
||||
|
|
@ -634,11 +635,11 @@ Blokkerer Copilot fra å svare når prompts inneholder sensitiv data som:
|
|||
- MCP for tool/data access, A2A for cross-platform agent-to-agent
|
||||
- Microsoft Agent 365 som kontrollplan for alle agenter
|
||||
|
||||
### Security Copilot i M365 E5 (nov 2025)
|
||||
- 12 nye sikkerhetesagenter inkludert i M365 E5
|
||||
### Security Copilot i M365 E5 og E7 (nov 2025)
|
||||
- Et dusin nye sikkerhetsagenter inkludert i M365 E5 og E7
|
||||
- Rollout fra 18. november 2025
|
||||
- Dekker Defender, Entra, Intune, Purview
|
||||
- Zero-click provisjonering for E5-kunder
|
||||
- Zero-click provisjonering for E5- og E7-kunder
|
||||
|
||||
### DLP for Copilot (Q1 2026)
|
||||
- Blokkerer Copilot-responser ved sensitiv data i prompts
|
||||
|
|
@ -690,4 +691,4 @@ Adapted from Microsoft Learn documentation ([CC BY 4.0](https://creativecommons.
|
|||
|
||||
Content has been translated to Norwegian, reorganized, and augmented with decision guidance.
|
||||
|
||||
Research date: 2026-04
|
||||
Research date: 2026-06-19
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Power Platform AI - Knowledge Base
|
||||
|
||||
**Last updated:** 2026-04
|
||||
**Last updated:** 2026-06-19
|
||||
**Status:** GA (General Availability)
|
||||
|
||||
---
|
||||
|
|
@ -603,10 +603,10 @@ Adapted from Microsoft Learn documentation ([CC BY 4.0](https://creativecommons.
|
|||
- [Enhance AI-powered experiences with Dataverse search](https://learn.microsoft.com/power-platform/release-plan/2025wave1/data-platform/enhance-ai-powered-experiences-dataverse-search)
|
||||
- [Power Platform governance and administration 2025 Wave 1](https://learn.microsoft.com/power-platform/release-plan/2025wave1/power-platform-governance-administration/)
|
||||
- [Power Platform governance and administration 2025 Wave 2](https://learn.microsoft.com/power-platform/release-plan/2025wave2/power-platform-governance-administration/)
|
||||
- [Billing rates and management — Copilot Credits](https://learn.microsoft.com/microsoft-copilot-studio/requirements-messages-management) — Oppdatert april 2026: AI tools faktureres per 10 responses (basic=1, standard=15, premium=100 credits); agent flow enforcement (blocking ved fullt forbruk, ikke 125%-terskel — 125% gjelder kun generell agent-enforcement); M365 Copilot-lisensierte brukere faktureres ikke (Verified 2026-04)
|
||||
- [Billing rates and management — Copilot Credits](https://learn.microsoft.com/microsoft-copilot-studio/requirements-messages-management) — Re-verifisert juni 2026: AI tools faktureres per 10 responses (basic=1, standard=15, premium=100 credits); agent flow enforcement (blocking ved fullt forbruk, ikke 125%-terskel — 125% gjelder kun generell agent-enforcement); M365 Copilot-lisensierte brukere faktureres ikke (Verified MCP 2026-06-19)
|
||||
- [AI Builder licensing](https://learn.microsoft.com/en-us/ai-builder/administer-licensing)
|
||||
- Power Platform release plans 2025 Wave 1 and Wave 2
|
||||
|
||||
Content has been translated to Norwegian, reorganized, and augmented with decision guidance.
|
||||
|
||||
Research date: 2026-04
|
||||
Research date: 2026-06-19
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Adversarial Prompting and Security Testing
|
||||
|
||||
**Last updated:** 2026-02
|
||||
**Last updated:** 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Prompt Engineering & LLM Optimization
|
||||
|
||||
|
|
@ -757,7 +757,7 @@ Start: AI system security design
|
|||
|
||||
2. **Azure Security Benchmark — AI Security:**
|
||||
https://learn.microsoft.com/en-us/security/benchmark/azure/mcsb-v2-artificial-intelligence-security
|
||||
*Verifisert: januar 2026, omfatter AI-1 til AI-7 controls*
|
||||
*Re-verifisert: MCP 2026-06-19, omfatter AI-1 til AI-7 controls (AI-1 godkjente modeller, AI-2 flerlags innholdsfiltrering, AI-3 safety meta-prompts, AI-4 minste privilegium for agentfunksjoner, AI-5 human-in-the-loop, AI-6 monitorering og deteksjon, AI-7 kontinuerlig AI red teaming)*
|
||||
|
||||
3. **Azure AI Red Teaming Agent:**
|
||||
https://learn.microsoft.com/en-us/azure/foundry/concepts/ai-red-teaming-agent
|
||||
|
|
@ -769,14 +769,14 @@ Start: AI system security design
|
|||
|
||||
5. **Microsoft Defender for AI Services:**
|
||||
https://learn.microsoft.com/en-us/azure/defender-for-cloud/ai-threat-protection
|
||||
*Verifisert: januar 2026, GA*
|
||||
*Re-verifisert: MCP 2026-06-19, GA. Defender XDR-integrasjon; 30-dagers gratis prøveperiode (cap 75 mrd. tokens); kun tekst-tokens skannes (ikke bilde/lyd)*
|
||||
|
||||
**Confidence markers:**
|
||||
- ✅ **High confidence:** GA features, verifisert mot microsoft.com/learn
|
||||
- ⚠️ **Medium confidence:** Public Preview features (Azure AI Red Teaming Agent)
|
||||
- 📘 **Best practice:** Microsoft Security Benchmark (MCSB v2.0)
|
||||
|
||||
**Sist oppdatert:** 2026-02-04
|
||||
**Sist oppdatert:** 2026-06-19
|
||||
**API versjon (Content Safety):** `2024-03-01-preview` eller nyere
|
||||
**SDK versjon (PyRIT):** Henviser til Azure/PyRIT GitHub repository
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Error Handling and Fallback Prompting Strategies
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Prompt Engineering & LLM Optimization
|
||||
|
||||
|
|
@ -374,11 +374,12 @@ APIM kan enforces content safety checks automatisk:
|
|||
</policies>
|
||||
```
|
||||
|
||||
**Policy-attributter (Verified MCP 2026-04):**
|
||||
**Policy-attributter (Verified MCP 2026-06-19):**
|
||||
- `backend-id`: Azure AI Content Safety backend i APIM
|
||||
- `shield-prompt`: Sjekk for brukerangrep/adversarial prompts (true/false)
|
||||
- `enforce-on-completions`: Aktiver content safety på responser i tillegg til requests
|
||||
- `window-size`: Tegn per vindu for evaluering (maks 10 000 tegn, konfigurerbart for responser)
|
||||
- `window-size`: Tegn per vindu for evaluering (default/maks 10 000 tegn; konfigurerbart kun for responser — for requests brukes alltid default)
|
||||
- `window-overlap-size`: Overlapp i tegn mellom vinduer når innhold splittes etter `window-size` (ingen overlapp hvis uoppgitt)
|
||||
- `output-type`: FourSeverityLevels (0,2,4,6) eller EightSeverityLevels (0-7)
|
||||
- Threshold 0 = mest restriktivt, 7 = minst restriktivt. Threshold 4 blokkerer nivå 4-7, tillater 0-3.
|
||||
- Støtter også `blocklists` for tilpassede ord/uttrykk
|
||||
|
|
@ -690,7 +691,7 @@ User Request
|
|||
2. [Architecture strategies for self-preservation](https://learn.microsoft.com/en-us/azure/well-architected/reliability/self-preservation) – Azure Well-Architected Framework reliability-mønstre
|
||||
3. [Azure OpenAI Priority-Based Load Balancer (GitHub)](https://github.com/Azure-Samples/openai-aca-lb) – Referanseimplementasjon av smart load balancing
|
||||
4. [Troubleshooting Azure OpenAI On Your Data](https://learn.microsoft.com/en-us/azure/foundry-classic/openai/how-to/on-your-data-best-practices) – Best practices for debugging og error handling
|
||||
5. [llm-content-safety policy (APIM)](https://learn.microsoft.com/en-us/azure/api-management/llm-content-safety-policy) (Re-verified MCP 2026-04) – Content safety enforcement i API Management. Policy-attributter: backend-id, shield-prompt, enforce-on-completions, window-size, output-type, threshold (0-7), blocklists.
|
||||
5. [llm-content-safety policy (APIM)](https://learn.microsoft.com/en-us/azure/api-management/llm-content-safety-policy) (Re-verified MCP 2026-06-19) – Content safety enforcement i API Management. Policy-attributter: backend-id, shield-prompt, enforce-on-completions, window-size, window-overlap-size, output-type, threshold (0-7), blocklists.
|
||||
|
||||
**Sekundærkilder:**
|
||||
6. [Azure OpenAI FAQ](https://learn.microsoft.com/en-us/azure/foundry-classic/openai/faq) – Vanlige feilsituasjoner og workarounds
|
||||
|
|
@ -700,7 +701,7 @@ User Request
|
|||
**Verifisert:** Alle tekniske detaljer er hentet fra offisielle Microsoft-kilder (learn.microsoft.com, GitHub samples). Kodeeksempler er basert på offisielle SDK-dokumentasjon (januar 2026).
|
||||
|
||||
**Confidence markers:**
|
||||
- **Høy confidence:** HTTP error codes, SDK retry defaults, `Retry-After` header, content safety policies (re-verified MCP 2026-04)
|
||||
- **Høy confidence:** HTTP error codes, SDK retry defaults, `Retry-After` header, content safety policies (re-verified MCP 2026-06-19)
|
||||
- **Medium confidence:** Kostnadsestimater (prisene kan variere), spesifikke PTU-priser for norske kunder
|
||||
- **Lav confidence:** N/A – alle anbefalinger er basert på etablerte mønstre
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Multimodal Prompt Design with Images and Text
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Prompt Engineering & LLM Optimization
|
||||
|
||||
|
|
@ -187,12 +187,12 @@ messages = [
|
|||
| Verbalization | Semantisk dybde, LLM-sitérbare beskrivelser | LLM-kall per bilde, høyere latency | Diagrammer, flowcharts, infografikk |
|
||||
| Direct embeddings | Rask, ingen LLM-kall ved indexing | Ingen forklaring av relasjoner | Visual similarity, produktsøk |
|
||||
|
||||
**Azure AI Search multimodal pipeline (Verified MCP 2026-04):**
|
||||
1. **Content extraction** — velg mellom:
|
||||
- Document Extraction skill: rask prototyping, PDF-støtte
|
||||
- Document Layout skill: presise sidetall, bounding boxes, RAG-optimalisert
|
||||
- Azure Content Understanding skill: avansert — cross-page tabeller, semantisk chunking, DOCX/XLSX/PPTX
|
||||
2. **Text chunking:** Text Split skill
|
||||
**Azure AI Search multimodal pipeline (Verified MCP 2026-06-19):**
|
||||
1. **Content extraction** — to anbefalte innebygde skills:
|
||||
- Document Extraction skill: rask prototyping/produksjon der eksakt posisjon ikke kreves; bilde-posisjonsmetadata kun for PDF; ingen innebygd chunking (bruk Text Split skill)
|
||||
- Azure Content Understanding skill: avansert — cross-page tabeller, semantisk chunking (innebygd), AI-genererte bildebeskrivelser, og tekst-/bilde-posisjonsmetadata for PDF, DOCX, XLSX, PPTX
|
||||
- (Document Layout skill er fortsatt støttet for *eksisterende* pipelines, men for nye skillsets anbefaler Microsoft Azure Content Understanding skill, som slår sammen ekstraksjon og chunking i én skill.)
|
||||
2. **Text chunking:** Text Split skill (ikke nødvendig med Content Understanding, som chunker semantisk)
|
||||
3. **Image verbalization:** GenAI Prompt skill + LLM (phi-4, gpt-4o, gpt-5) → naturlig-språklig beskrivelse
|
||||
4. **Embedding:** Azure OpenAI / Microsoft Foundry / Azure Vision multimodal embeddings
|
||||
5. **Knowledge store:** Lagrer bilder for retrieval; image-lokasjon lagres i indeks for sitert visning
|
||||
|
|
@ -314,7 +314,7 @@ Can you tell me what the image depicts?
|
|||
|
||||
**Pipeline-steg (wizard):**
|
||||
1. Data source: Azure Blob / ADLS Gen2
|
||||
2. Content extraction: Document Extraction / Layout / Content Understanding skill
|
||||
2. Content extraction: Document Extraction skill eller Azure Content Understanding skill (Document Layout skill kun for eksisterende pipelines)
|
||||
3. Text chunking: Text Split skill
|
||||
4. Image verbalization (optional): GenAI Prompt skill
|
||||
5. Embedding: Azure OpenAI / Foundry / Azure Vision
|
||||
|
|
@ -457,7 +457,7 @@ Multimodal scenario?
|
|||
│ └─ Azure AI Search multimodal RAG (verbalization eller direct embeddings)
|
||||
│
|
||||
└─ RAG over PDF/Office-dokumenter med embedded diagrammer?
|
||||
├─ Forklaringsrike visuals: Document Layout skill + GenAI Prompt verbalization
|
||||
├─ Forklaringsrike visuals: Azure Content Understanding skill (eller Document Extraction) + GenAI Prompt verbalization
|
||||
└─ Visual similarity: Azure Content Understanding + Azure Vision embeddings
|
||||
```
|
||||
|
||||
|
|
@ -541,13 +541,13 @@ AzureDiagnostics
|
|||
|
||||
## Kilder og verifisering
|
||||
|
||||
**Microsoft Learn dokumentasjon (verifisert 2026-02):**
|
||||
**Microsoft Learn dokumentasjon (re-verifisert MCP 2026-06-19):**
|
||||
- [Use vision-enabled chat models](https://learn.microsoft.com/en-us/azure/foundry/openai/how-to/gpt-with-vision) — Offisiell how-to guide for GPT-4o/GPT-4 Turbo with Vision
|
||||
- [Image prompt engineering techniques](https://learn.microsoft.com/en-us/azure/ai-services/openai/concepts/gpt-4-v-prompt-engineering) — Best practices for multimodal prompting
|
||||
- [Multimodal search in Azure AI Search](https://learn.microsoft.com/en-us/azure/search/multimodal-search-overview) (Re-verified MCP 2026-04) — RAG-arkitektur; extraction skill-sammenligning (Document Extraction vs Layout vs Content Understanding); verbalization vs direct embeddings; hybrid query-alternativ
|
||||
- [Multimodal search in Azure AI Search](https://learn.microsoft.com/en-us/azure/search/multimodal-search-overview) (Re-verified MCP 2026-06-19) — RAG-arkitektur; to anbefalte extraction skills (Document Extraction og Azure Content Understanding; Document Layout kun for eksisterende pipelines); verbalization vs direct embeddings; image-to-vector-queries krever Azure Vision / AML multimodal embeddings-vectorizer; hybrid query-alternativ
|
||||
- [Azure OpenAI models](https://learn.microsoft.com/en-us/azure/foundry/foundry-models/concepts/models-sold-directly-by-azure) — Modelloversikt og token-kostnader
|
||||
- [Quickstart: Multimodal search in Azure portal](https://learn.microsoft.com/en-us/azure/search/search-get-started-portal-image-search) — Wizard-basert oppsett
|
||||
- [Get started with multimodal vision chat apps](https://learn.microsoft.com/en-us/azure/developer/ai/get-started-app-chat-vision) — End-to-end sample app med Base64 encoding
|
||||
- [Get started with multimodal vision chat apps](https://learn.microsoft.com/en-us/azure/developer/ai/get-started-app-chat-vision) (Re-verified MCP 2026-06-19) — End-to-end sample app: Base64-enkoder opplastet bilde i frontend (FileReader), sender via Azure OpenAI Responses API (`input_image`/`input_text`, default gpt-4o), managed identity-autentisering, deploy til Azure Container Apps
|
||||
|
||||
**Code samples:**
|
||||
- Azure-Samples/cognitive-services-sample-data-files (GitHub)
|
||||
|
|
@ -559,5 +559,5 @@ AzureDiagnostics
|
|||
- ⚠️ **Medium confidence:** Kostberegninger i NOK (basert på jan 2026 pricing, kan variere)
|
||||
- ⚠️ **Medium confidence:** Offentlig sektor use cases (inferert fra generelle patterns, ikke Microsoft-spesifikt)
|
||||
|
||||
**Sist verifisert:** 2026-04-10
|
||||
**Neste review:** 2026-07 (eller ved nye GPT-modeller/AI Search features)
|
||||
**Sist verifisert:** 2026-06-19
|
||||
**Neste review:** 2026-09-19 (eller ved nye GPT-modeller/AI Search features)
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Prompt Testing, Evaluation and Iteration
|
||||
|
||||
**Last updated:** 2026-02
|
||||
**Last updated:** 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Prompt Engineering & LLM Optimization
|
||||
|
||||
|
|
@ -71,6 +71,8 @@ Tilgjengelig i regioner som støtter Response API. Genererer testdata basert på
|
|||
|
||||
### 2. Prompt Flow Evaluation Framework
|
||||
|
||||
> **Utfasing (verifisert MCP 2026-06-19):** Prompt Flow i Microsoft Foundry og Azure Machine Learning utfases **20. april 2027** og anbefales ikke lenger for ny utvikling. Migrer eksisterende Prompt Flow-applikasjoner og -deployments til **Microsoft Agent Framework (MAF)** før denne datoen. Prompt Flow-runtime-images (`promptflow-runtime`, `promptflow-runtime-stable`, `promptflow-python`) får ikke lenger oppdateringer, inkludert sikkerhetsoppdateringer. Evaluation-mønstrene under er fortsatt gyldige for eksisterende løsninger, men velg MAF / Azure AI Evaluation SDK for nye prosjekter.
|
||||
|
||||
**Beskrivelse:** SDK-basert evalueringsrammeverk som lar deg bygge custom evaluation flows som Python-kode eller Prompty-filer, kjøre batch evaluations og logge metrics programmatisk.
|
||||
|
||||
**Evaluation Flow Lifecycle:**
|
||||
|
|
@ -1045,7 +1047,7 @@ def grade(sample: dict, item: dict) -> float:
|
|||
|
||||
**High Confidence (>95%):**
|
||||
- Built-in evaluators (Groundedness, Relevance, Safety) er production-ready og widely used
|
||||
- Prompt Flow SDK evaluation workflow er stable (GA since 2023)
|
||||
- Prompt Flow SDK evaluation workflow er stable (GA siden 2023), men utfases 20. april 2027 — migrer til Microsoft Agent Framework / Azure AI Evaluation SDK for ny utvikling
|
||||
- Azure AI Foundry Evaluation Portal er GA (as of 2024)
|
||||
|
||||
**Medium Confidence (70-95%):**
|
||||
|
|
@ -1064,7 +1066,7 @@ def grade(sample: dict, item: dict) -> float:
|
|||
|
||||
**Primary Sources (Microsoft Learn):**
|
||||
1. [Evaluate generative AI models and applications - Azure AI Foundry](https://learn.microsoft.com/en-us/azure/foundry/how-to/evaluate-generative-ai-app?view=foundry-classic) — GA
|
||||
2. [Evaluation flows and metrics - Azure Machine Learning Prompt Flow](https://learn.microsoft.com/en-us/azure/machine-learning/prompt-flow/how-to-develop-an-evaluation-flow?view=azureml-api-2) — GA
|
||||
2. [Evaluation flows and metrics - Azure Machine Learning Prompt Flow](https://learn.microsoft.com/en-us/azure/machine-learning/prompt-flow/how-to-develop-an-evaluation-flow?view=azureml-api-2) — GA. Re-verifisert MCP 2026-06-19: Prompt Flow utfases 20. april 2027 → migrer til Microsoft Agent Framework. `log_metric()`/aggregation-mønster uendret.
|
||||
3. [Azure AI Evaluation SDK - Python API](https://learn.microsoft.com/en-us/python/api/overview/azure/ai-evaluation-readme?view=azure-python) — GA
|
||||
4. [Agent evaluation with Azure AI Evaluation SDK](https://learn.microsoft.com/en-us/azure/foundry-classic/how-to/develop/agent-evaluate-sdk?view=foundry-classic) — GA
|
||||
|
||||
|
|
@ -1073,6 +1075,6 @@ def grade(sample: dict, item: dict) -> float:
|
|||
2. [Continuous evaluation setup](https://learn.microsoft.com/en-us/azure/foundry/observability/how-to/how-to-monitor-agents-dashboard?view=foundry)
|
||||
3. [Custom evaluator registration](https://learn.microsoft.com/en-us/azure/foundry/how-to/develop/cloud-evaluation?view=foundry-classic#specify-custom-evaluators)
|
||||
|
||||
**Last Verified:** 2026-02-04
|
||||
**Version:** Azure AI Foundry v2 (2024-2026), Prompt Flow v1.13+ (2024-2026)
|
||||
**Last Verified:** 2026-06-19
|
||||
**Version:** Azure AI Foundry v2 (2024-2026), Prompt Flow v1.13+ (2024-2026; utfases 2027-04-20 → Microsoft Agent Framework)
|
||||
**MCP Calls:** 3 (microsoft_docs_search × 2, microsoft_docs_fetch × 2, microsoft_code_sample_search × 1)
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Reasoning Models (O1/O3) Optimization and Usage
|
||||
|
||||
**Last updated:** 2026-02
|
||||
**Last updated:** 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Prompt Engineering & LLM Optimization
|
||||
|
||||
|
|
@ -306,7 +306,7 @@ Reasoning models er tilgjengelige i Azure AI Foundry (tidligere Azure AI Studio)
|
|||
|
||||
### Power Platform AI Builder
|
||||
|
||||
Fra mars 2025 er O1-modeller tilgjengelige i **Prompt Builder**:
|
||||
Fra 21. mars 2025 er O1-modeller tilgjengelige i public preview i **Prompt Builder** (release-plan-siden er nå arkivert — se aktuell AI Builder-oversikt for status):
|
||||
- Velg "o1 reasoning model" i model selector
|
||||
- Ideell for store datasett-analyse, prognoser, og detaljert analyse
|
||||
- Kombiner med Power Automate for automatisering av reasoning-oppgaver
|
||||
|
|
@ -511,7 +511,7 @@ Kunder som migrerer fra GPT-4 prøver ofte å bruke "tenk steg-for-steg" teknikk
|
|||
|
||||
## Kilder og verifisering
|
||||
|
||||
Denne kunnskapsreferansen er basert på offisiell Microsoft Learn-dokumentasjon hentet via MCP (Model Context Protocol) i februar 2026. Alle tekniske detaljer er verifisert mot siste API-versjon.
|
||||
Denne kunnskapsreferansen er basert på offisiell Microsoft Learn-dokumentasjon hentet via MCP (Model Context Protocol), sist re-verifisert 2026-06-19. Alle tekniske detaljer er verifisert mot siste API-versjon.
|
||||
|
||||
**Primary sources:**
|
||||
|
||||
|
|
@ -537,7 +537,7 @@ Denne kunnskapsreferansen er basert på offisiell Microsoft Learn-dokumentasjon
|
|||
|
||||
6. **Power Platform O1 model support**
|
||||
https://learn.microsoft.com/en-us/power-platform/release-plan/2024wave2/ai-builder/use-o1-reasoning-model-prompt-builder
|
||||
*Confidence: Verified (MCP search 2026-02)*
|
||||
*Confidence: Verified (MCP fetch 2026-06-19) — release-plan-siden er arkivert; public preview fra 21. mars 2025*
|
||||
|
||||
**Confidence levels per seksjon:**
|
||||
|
||||
|
|
|
|||
|
|
@ -1,7 +1,7 @@
|
|||
# Computer-Using Agents (CUA)
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Status:** Preview (sep 2025 — Foundry Agent Service; mai 2025 — Copilot Studio)
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** Copilot Studio — GA (2026-05-07); Foundry Agent Service — Preview (sep 2025)
|
||||
**Category:** Agent Orchestration & Automation
|
||||
|
||||
---
|
||||
|
|
@ -12,7 +12,7 @@ Computer-Using Agents (CUA) er en ny klasse AI-agenter som automatiserer oppgave
|
|||
|
||||
Microsoft tilbyr CUA gjennom to primære plattformer:
|
||||
- **Azure AI Foundry Agent Service** — `computer-use-preview`-modellen via Azure OpenAI (preview sep 2025)
|
||||
- **Copilot Studio** — Computer Use som verktøy i agenter (public preview mai 2025, GA mai 2026)
|
||||
- **Copilot Studio** — Computer Use som verktøy i agenter (public preview 2025-05-27, GA 2026-05-07)
|
||||
|
||||
Den kritiske verdien: **Dersom et menneske kan bruke et program, kan CUA gjøre det samme** — uten kodeendringer i målsystemet.
|
||||
|
||||
|
|
@ -28,7 +28,7 @@ CUA kombinerer tre kapabiliteter:
|
|||
| **Resonnering** | Bestemmer neste handling basert på nåværende skjermtilstand og mål |
|
||||
| **Kontrollgenerering** | Genererer museaksjon (klikk, dra, scroll) og tastaturbevegelser |
|
||||
|
||||
Modellen som driver CUA er `computer-use-preview` — en spesialisert visjonsmodell optimert for GUI-interaksjon. I Copilot Studio støttes også **Anthropic Claude Sonnet 4.5** som alternativ modell (preview, regionutrulling pågår).
|
||||
Modellen som driver CUA er `computer-use-preview` — en spesialisert visjonsmodell optimert for GUI-interaksjon. I Copilot Studio (GA) kan du velge mellom flere modeller: **OpenAI Computer-Using Agent (CUA)** (GA, standard), **Anthropic Claude Sonnet 4.5** (GA, standard), **Anthropic Claude Sonnet 4.6** (Experimental, standard) og **Anthropic Claude Opus 4.6** (Experimental, premium). *(Verified MCP 2026-06-19)*
|
||||
|
||||
---
|
||||
|
||||
|
|
@ -107,17 +107,17 @@ if "pending_safety_checks" in response:
|
|||
|
||||
Copilot Studio tilbyr CUA som et lavkode **Computer Use Tool** — ingen koding nødvendig.
|
||||
|
||||
**Krav (preview):** Tilgjengelig kun for miljøer der regionen er satt til **United States**. Generativ orkestrering (generative orchestrator) må aktiveres på agenten. *(Verified MCP 2026-04)*
|
||||
**Krav:** Generativ orkestrering (generative orchestration) må være aktivert på agenten. For å bruke Anthropic-modellene må administrator ha aktivert tilgang til eksterne modeller (external models) for miljøet. *(Verified MCP 2026-06-19 — det tidligere preview-kravet om United States-region er ikke lenger oppført i GA-dokumentasjonen)*
|
||||
|
||||
### Oppsett
|
||||
|
||||
1. Gå til **Tools** i agenten → **Add tool** → **New tool** → **Computer use**
|
||||
2. Velg modell: **OpenAI Computer-Using Agent** eller **Anthropic Claude Sonnet 4.5** (preview, pågående regionutrulling — krever at administrator har aktivert external models)
|
||||
2. Velg modell: **OpenAI Computer-Using Agent** (GA), **Anthropic Claude Sonnet 4.5** (GA), **Claude Sonnet 4.6** (Experimental) eller **Claude Opus 4.6** (Experimental, premium) — Anthropic-modeller krever at administrator har aktivert external models
|
||||
3. Skriv instruksjoner på naturlig norsk/engelsk (se "Best practices for instructions" under)
|
||||
4. Konfigurer **Machine** (hvor CUA kjøres):
|
||||
- Velg målmaskin fra listen, eller opprett ny via Power Automate Portal
|
||||
- **Hosted browser**: rask start, kun web — ikke anbefalt for produksjon
|
||||
- **Dedikert Windows-maskin**: gir full desktop-tilgang, anbefalt for produksjon
|
||||
- **Hosted browser (preview)** (drevet av Windows 365 for Agents): rask start uten maskinoppsett, kun web — ikke anbefalt for produksjon
|
||||
- **Cloud PC pool (preview)** (drevet av Windows 365 for Agents): skalerbar, Entra-joined og Intune-enrollert compute — full governance, ingen egen maskin nødvendig
|
||||
- **Bring-your-own-machine**: egen Windows-maskin registrert og styrt i Power Automate; gir full desktop-tilgang. *(Verified MCP 2026-06-19)*
|
||||
|
||||
**Merk:** Tilgangskontroll (access control) hindrer kun at modellen *utfører handlinger* på ikke-autoriserte nettsider/apper — ikke at de åpnes. Eksempel: Bing kan åpnes fra Edge-søkebaren selv om kun microsoft.com er på allowlisten, men interaksjon med Bing vil feile.
|
||||
|
||||
|
|
@ -131,18 +131,16 @@ Copilot Studio tilbyr CUA som et lavkode **Computer Use Tool** — ingen koding
|
|||
| **Azure Key Vault** | Passord lagres i Key Vault — anbefalt for produksjonsmiljøer. Krever PowerPlatform resource provider registrert i Azure-abonnementet. *(Verified MCP 2026-04)* |
|
||||
| **Access control** | Begrens hvilke nettsider/applikasjoner CUA kan operere på. Wildcards støttes (*.contoso.com). Desktop apps angis ved produkt-/prosessnavn (f.eks. "Microsoft Edge" eller "msedge"). *(Verified MCP 2026-04)* |
|
||||
|
||||
### Lisensiering (Copilot Studio, preview)
|
||||
### Lisensiering (Copilot Studio, GA)
|
||||
|
||||
Faktureres som Agent action: **5 Copilot Credits per steg** (hvert steg kan inneholde én eller flere lavnivå-handlinger som klikk, skriving eller navigering).
|
||||
Faktureres som Agent action: **5 Copilot Credits per steg** for standardmodeller (OpenAI CUA, Claude Sonnet 4.5/4.6), og **15 Copilot Credits per steg** for premiummodell (Claude Opus 4.6). Hvert steg kan inneholde én eller flere lavnivå-handlinger som klikk, skriving eller navigering. *(Verified MCP 2026-06-19)*
|
||||
|
||||
Eksempel — utfylling av timeregistreringsskjema (4 steg = 20 Copilot Credits):
|
||||
Eksempel — utfylling av timeregistreringsskjema (4 steg): **20 Copilot Credits** med standardmodell, **60 Copilot Credits** med premiummodell:
|
||||
1. Åpne nettleser og naviger til URL
|
||||
2. Klikk "Opprett ny"
|
||||
3. Fyll inn felter
|
||||
4. Klikk "Send inn"
|
||||
|
||||
GA (mai 2026) — endelig prismodell ikke kunngjort.
|
||||
|
||||
### Human Supervision
|
||||
|
||||
Copilot Studio har innebygd **Human Supervision**: CUA-agenten kan eskalere til en utpekt person (via Outlook) dersom den oppdager potensielt skadelige instruksjoner. Godkjenner har en definert tidsfrist — løper den ut, stopper agenten.
|
||||
|
|
@ -305,7 +303,7 @@ Copilot Studio — preferert rekkefølge:
|
|||
| **Feilhåndtering** | Statisk exception handling | Selvkorrigerende basert på visuell feedback |
|
||||
| **Hastighet** | Høy (ms per steg) | Lav (sekunder per steg) |
|
||||
| **Kompetansekrav** | RPA-utvikler med scripting-erfaring | Domeneekspert med naturlig språk |
|
||||
| **Modenhet** | GA — produksjonsklar | Preview — ikke produksjonsklar (2026) |
|
||||
| **Modenhet** | GA — produksjonsklar | Copilot Studio: GA (2026-05-07). Foundry Agent Service: Preview |
|
||||
|
||||
### Når velge RPA
|
||||
|
||||
|
|
@ -331,10 +329,10 @@ Copilot Studio — preferert rekkefølge:
|
|||
|-----------|--------|--------------|
|
||||
| **Azure AI Foundry Agent Service** | Public Preview | Sep 2025 |
|
||||
| **Azure OpenAI (direkte)** | Public Preview | Sep 2025 |
|
||||
| **Copilot Studio** | Public Preview | Mai 2025 (US-regioner) |
|
||||
| **Copilot Studio GA** | Planlagt | Mai 2026 |
|
||||
| **Copilot Studio** | Public Preview | 2025-05-27 |
|
||||
| **Copilot Studio** | GA | 2026-05-07 |
|
||||
|
||||
**Tilgang til `computer-use-preview`-modellen** krever registrering: https://aka.ms/oai/cuaaccess
|
||||
**Tilgang til `computer-use-preview`-modellen** (Foundry/Azure OpenAI) krever registrering: https://aka.ms/oai/cuaaccess
|
||||
|
||||
---
|
||||
|
||||
|
|
@ -371,7 +369,7 @@ Norsk offentlig sektor opererer med et stort antall legacysystemer (fagsystemer
|
|||
|
||||
### Datalagring — Viktig for offentlig sektor
|
||||
|
||||
- **Copilot Studio CUA:** Kjøres i US-regioner (preview) — **ikke egnet for sensitiv persondata** ennå
|
||||
- **Copilot Studio CUA (GA):** Det tidligere preview-kravet om United States-region er ikke lenger oppført i GA-dokumentasjonen. Maskinvalg inkluderer **Cloud PC pool** (Entra-joined, Intune-enrollert — full governance) for produksjon; vurder geografisk tilgjengelighet via Microsofts «Feature Geographic Availability»-rapport før behandling av sensitiv persondata. *(Verified MCP 2026-06-19)*
|
||||
- **Foundry Agent Service:** `swedencentral` tilgjengelig — **egnet for EU-data**
|
||||
- Skjermbilder sendt til CUA-modellen er transiente — ikke persistert av Microsoft
|
||||
|
||||
|
|
@ -458,7 +456,7 @@ Power Automate Cloud Flow (orkestrator)
|
|||
|
||||
## Kostnadsestimat
|
||||
|
||||
### Copilot Studio (preview)
|
||||
### Copilot Studio (GA, standardmodell — 5 credits/steg)
|
||||
|
||||
| Arbeidsflyt | Steg per kjøring | Copilot Credits | NOK per kjøring* |
|
||||
|-------------|-----------------|-----------------|-----------------|
|
||||
|
|
@ -466,7 +464,7 @@ Power Automate Cloud Flow (orkestrator)
|
|||
| Fakturaprosessering (8 steg) | 8 | 40 | ~3,00 NOK |
|
||||
| Kompleks kryssystem-arbeidsflyt (20 steg) | 20 | 100 | ~7,50 NOK |
|
||||
|
||||
*Estimat basert på Copilot Credits à 0,075 NOK (veiledende).
|
||||
*Estimat basert på Copilot Credits à 0,075 NOK (veiledende). Premiummodell (Claude Opus 4.6) bruker 15 credits/steg — 3× kreditt-kostnaden over.
|
||||
|
||||
### Azure AI Foundry Agent Service
|
||||
|
||||
|
|
@ -487,11 +485,11 @@ Kostnader basert på:
|
|||
|
||||
2. **Automate web and desktop apps with computer use — Copilot Studio**
|
||||
- https://learn.microsoft.com/microsoft-copilot-studio/computer-use
|
||||
- Confidence: **Verified** (offisiell Copilot Studio preview-dokumentasjon, oppdatert 2026-04: støttede modeller, credentials intern/Key Vault-detaljer, access control wildcard/desktop, US-only region-krav, generativ orkestrering påkrevd)
|
||||
- Confidence: **Verified** (offisiell Copilot Studio GA-dokumentasjon, verifisert MCP 2026-06-19: 4 støttede modeller med tier/status — OpenAI CUA + Sonnet 4.5 GA, Sonnet 4.6 + Opus 4.6 Experimental; 5 credits/steg standard, 15 credits/steg premium; credentials intern/Key Vault-detaljer; access control wildcard/desktop; generativ orkestrering påkrevd; external models-krav for Anthropic. US-only region-krav er fjernet i GA-dokumentasjonen.)
|
||||
|
||||
3. **Configure where computer use runs**
|
||||
- https://learn.microsoft.com/microsoft-copilot-studio/configure-where-computer-use-runs
|
||||
- Confidence: **Verified** (Copilot Studio docs, 2025)
|
||||
- Confidence: **Verified** (Copilot Studio docs, verifisert MCP 2026-06-19: Hosted browser (preview), Cloud PC pool (preview, Windows 365 for Agents — Entra-joined/Intune-enrollert), Bring-your-own-machine via Power Automate)
|
||||
|
||||
4. **Browser Automation (preview) — Foundry Agent Service**
|
||||
- https://learn.microsoft.com/azure/foundry/agents/how-to/tools/browser-automation
|
||||
|
|
@ -503,11 +501,11 @@ Kostnader basert på:
|
|||
|
||||
6. **FAQ for the computer use tool**
|
||||
- https://learn.microsoft.com/microsoft-copilot-studio/faqs-computer-use
|
||||
- Confidence: **Verified** (offisiell FAQ, inkl. 80%/35% suksessrater, human supervision-detaljer, oppdatert 2026-04)
|
||||
- Confidence: **Verified** (offisiell FAQ, inkl. 80%/35% suksessrater, perception/reasoning/action-loop, human supervision-detaljer, verifisert MCP 2026-06-19)
|
||||
|
||||
7. **Computer Use Release Plan (2025 Wave 1)**
|
||||
- https://learn.microsoft.com/power-platform/release-plan/2025wave1/microsoft-copilot-studio/automate-web-desktop-apps-computer-use
|
||||
- Confidence: **Verified** (GA mai 2026 bekreftet)
|
||||
- Confidence: **Verified** (public preview 2025-05-27, GA 2026-05-07 bekreftet; verifisert MCP 2026-06-19)
|
||||
|
||||
8. **Announcing Computer Use tool (Preview) in Azure AI Foundry Agent Service**
|
||||
- https://devblogs.microsoft.com/foundry/announcing-computer-use-tool-preview-in-azure-ai-foundry-agent-service/
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Foundry Workflows — Visuell Multi-Agent Orkestrering
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** Public Preview (announced MS Ignite november 2025)
|
||||
**Category:** Agent Orchestration & Automation
|
||||
|
||||
|
|
@ -600,7 +600,7 @@ Foundry Workflows' visuelle designer gir offentlig sektor-organisasjoner en unik
|
|||
|
||||
5. **Declarative Workflows — Overview (Agent Framework)**
|
||||
- https://learn.microsoft.com/agent-framework/workflows/declarative
|
||||
- Confidence: **Verified** (YAML action types tabell: Variable Management, Control Flow, Agent/Tool Invocation, HITL, Conversation — C# og Python; oppdatert 2026-04)
|
||||
- Confidence: **Verified** (YAML action types-tabell: Variable, Control Flow, Output, Agent/Tool Invocation (`InvokeAzureAgent`, `InvokeFunctionTool`, `InvokeMcpTool`), HTTP, HITL (`Question`, `RequestExternalInput`), Conversation — C# og Python; Conversation-actions er C#-only; verifisert MCP 2026-06-19)
|
||||
|
||||
6. **Human-in-the-Loop Workflows**
|
||||
- https://learn.microsoft.com/agent-framework/workflows/human-in-the-loop
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Multi-Agent Orchestration Patterns and Topologies
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Agent Orchestration & Automation
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Tool Use and Function Calling - Advanced Patterns
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Agent Orchestration & Automation
|
||||
|
||||
|
|
@ -451,7 +451,7 @@ def update_citizen_record(ssn: str, field: str, value: str) -> str:
|
|||
1. [Azure OpenAI Function Calling](https://learn.microsoft.com/en-us/azure/foundry/openai/how-to/function-calling) — **Verified 2026-02**
|
||||
2. [Semantic Kernel Agent Functions](https://learn.microsoft.com/en-us/semantic-kernel/frameworks/agent/agent-functions) — **Verified 2026-02**
|
||||
3. [Agent Framework - Agent as Function Tool](https://learn.microsoft.com/en-us/agent-framework/tutorials/agents/agent-as-function-tool) — **Verified 2026-02**
|
||||
4. [AG-UI Backend Tool Rendering](https://learn.microsoft.com/en-us/agent-framework/integrations/ag-ui/backend-tool-rendering) — **Verified (MCP 2026-04)** — AIFunctionFactory.Create() med serializerOptions for komplekse typer (C#), @tool decorator med Annotated/Field (Python), TOOL_CALL_START/ARGS/END/RESULT events, FunctionCallContent/.Arguments og FunctionResultContent/.Result (C#), klasse-baserte tools-moenster (Python)
|
||||
4. [AG-UI Backend Tool Rendering](https://learn.microsoft.com/en-us/agent-framework/integrations/ag-ui/backend-tool-rendering) — **Verified (MCP 2026-06-19)** — AIFunctionFactory.Create() med serializerOptions for komplekse typer (C#), @tool decorator med Annotated/Field (Python), TOOL_CALL_START/ARGS/END/RESULT events, FunctionCallContent/.Arguments og FunctionResultContent/.Result (C#), klasse-baserte tools-moenster (Python)
|
||||
5. [Azure OpenAI Assistants Function Calling](https://learn.microsoft.com/en-us/azure/foundry-classic/openai/how-to/assistant-functions) — **Verified 2026-02**
|
||||
6. [Structured Outputs](https://learn.microsoft.com/en-us/azure/foundry/openai/how-to/structured-outputs) — **Verified 2026-02**
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Azure AI Services - API Design and Best Practices
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Azure AI Services (Foundry Tools)
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Azure AI Services - Monitoring, Logging and Diagnostics
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Azure AI Services (Foundry Tools)
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Azure AI Services - Networking, Security and Private Endpoints
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
|
||||
> **Navngivning 2026-04:** Microsoft har omdøpt "Azure Cognitive Services" til **"Azure AI Foundry Tools"** (eller kortform "Foundry Tools") i dokumentasjonen. API-endepunkter, RBAC-roller og ARM-ressurstyper beholder "CognitiveServices" i identifikatoren. Alle nye dokumentasjonsreferanser bruker "Foundry Tools".
|
||||
|
|
@ -602,6 +602,6 @@ Test-NetConnection -ComputerName 10.0.2.5 -Port 443
|
|||
- NSG-støtte ikke tilgjengelig for AI Services (bekreftet via security baseline)
|
||||
- Trusted services bypass med `networkAcls.bypass: "AzureServices"` (REST API-konfigurasjon)
|
||||
|
||||
**Sist verifisert:** 2026-02-03
|
||||
**Sist verifisert:** 2026-06-19
|
||||
**MCP calls:** 7 (microsoft_docs_search, microsoft_docs_fetch, microsoft_code_sample_search)
|
||||
**Kilder:** 10 unike Microsoft Learn URLs
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Azure AI Services vs Foundry Tools - Platform Selection Guide
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Azure AI Services (Foundry Tools)
|
||||
|
||||
|
|
@ -360,7 +360,7 @@ START: Hvilken AI-kapabilitet trenger du?
|
|||
| Behov | Anbefalt plattform | Begrunnelse |
|
||||
|-------|-------------------|-------------|
|
||||
| **Standard formularer** (faktura, kvittering) | Document Intelligence (Foundry Tools) | Prebuilt models, høy nøyaktighet, confidence scores |
|
||||
| **Komplekse dokumenter** (ustrukturert tekst, infererte felt) | Content Understanding (Foundry Tools) | Multimodal, generative fields, reasoning (preview) |
|
||||
| **Komplekse dokumenter** (ustrukturert tekst, infererte felt) | Content Understanding (Foundry Tools) | Multimodal, generative fields, reasoning (GA: v1.0 / 2025-11-01) |
|
||||
| **Custom workflow** (dokument → analyse → generering) | Azure AI Foundry (Document Intelligence + GPT-4o) | Full kontroll over pipeline |
|
||||
|
||||
**Confidence:** Høy (basert på "Choose the right tool for document processing" guide)
|
||||
|
|
@ -722,5 +722,5 @@ START: Hvilken AI-kapabilitet trenger du?
|
|||
|
||||
---
|
||||
|
||||
**Sist verifisert:** 2026-02-03
|
||||
**Neste review:** 2026-05 (ved nye Foundry-features eller prisendringer)
|
||||
**Sist verifisert:** 2026-06-19
|
||||
**Neste review:** 2026-09-19 (ved nye Foundry-features eller prisendringer)
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Content Understanding - Multimodal Analysis and Video Intelligence
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** Preview (GA for core features, Limited Access for face description)
|
||||
**Category:** Azure AI Services (Foundry Tools)
|
||||
|
||||
|
|
@ -302,7 +302,7 @@ Content Understanding kan integreres som skill i Azure AI Search indexer pipelin
|
|||
| **Image location metadata** | Ja (PDF only) | Ja (multi-format) | Ja (multi-format) |
|
||||
| **Table extraction** | Nei | Nei | Ja (cross-page tables) |
|
||||
| **Semantic chunking** | Nei (use Text Split skill) | Ja (paragraph boundaries) | Ja (semantic units) |
|
||||
| **Supported formats** | PDF, images | PDF, DOCX, XLSX, PPTX | PDF, DOCX, XLSX, PPTX, video, audio |
|
||||
| **Supported formats** | PDF, images | PDF, DOCX, XLSX, PPTX | PDF, DOCX, XLSX, PPTX |
|
||||
| **Pricing** | AI Search pricing | Document Intelligence pricing | Content Understanding pricing |
|
||||
|
||||
**Når bruke Content Understanding skill:**
|
||||
|
|
@ -572,8 +572,8 @@ Content Understanding er en **Azure Foundry Tools** tjeneste, inkludert i:
|
|||
| Video overview, capabilities | https://learn.microsoft.com/en-us/azure/ai-services/content-understanding/video/overview | Verified (Feb 2026) |
|
||||
| AudioVisual elements, JSON schema | https://learn.microsoft.com/en-us/azure/ai-services/content-understanding/video/elements | Verified (Feb 2026) |
|
||||
| Video Indexer scene/shot/keyframe detection | https://learn.microsoft.com/en-us/azure/azure-video-indexer/scene-shot-keyframe-detection-insight | Verified (Feb 2026) |
|
||||
| Standard vs. Pro modes | https://learn.microsoft.com/en-us/azure/ai-services/content-understanding/concepts/standard-pro-modes | Verified (Feb 2026) |
|
||||
| Multimodal search (AI Search integration) | https://learn.microsoft.com/en-us/azure/search/multimodal-search-overview | Verified (Feb 2026) |
|
||||
| Standard vs. Pro modes | https://learn.microsoft.com/en-us/azure/ai-services/content-understanding/concepts/standard-pro-modes | Verified (2026-06-19) |
|
||||
| Multimodal search (AI Search integration) | https://learn.microsoft.com/en-us/azure/search/multimodal-search-overview | Verified (2026-06-19) |
|
||||
| Azure AI Video Indexer insights overview | https://learn.microsoft.com/en-us/azure/azure-video-indexer/insights-overview | Verified (Feb 2026) |
|
||||
| Python SDK (ContentUnderstandingClient) | https://learn.microsoft.com/en-us/python/api/overview/azure/ai-contentunderstanding-readme | Verified (Feb 2026) |
|
||||
| Data privacy and security | https://learn.microsoft.com/en-us/azure/foundry/responsible-ai/content-understanding/data-privacy | Verified (Feb 2026) |
|
||||
|
|
@ -597,4 +597,4 @@ Content Understanding er en **Azure Foundry Tools** tjeneste, inkludert i:
|
|||
---
|
||||
|
||||
**Sist oppdatert av:** Cosmo Skyberg
|
||||
**Neste review:** 2026-04 (eller ved ny GA release av Content Understanding)
|
||||
**Neste review:** 2026-09-19 (eller ved ny GA release av Content Understanding)
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Document Intelligence - Prebuilt Models for Forms and Invoices
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
|
||||
> **Oppdatering 2026-04:** Azure AI Content Understanding er nå **fullt GA** og er anbefalt startpunkt for de fleste IDP-scenarier. Content Understanding dekker og utvider Document Intelligence-funksjonalitet med multimodal analyse. Velg Document Intelligence for spesifikke prebuilt-skjemaer (regnskap, ID-dokumenter, kvitteringer) der disse gir direkte verdi uten tilpasning. For generell dokumentanalyse og semantisk chunking — start med Content Understanding.
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Language Services - Text Analytics for Sentiment and Key Phrases
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA (deler avvikles 2029-03-31)
|
||||
|
||||
> **ADVARSEL — TJENESTER AVVIKLES (2029-03-31):** Sentiment Analysis, Opinion Mining og Custom Text Classification avvikles 31. mars 2029. Migrer til Azure AI Foundry-modeller. PII Detection, Key Phrase Extraction og Language Detection er ikke berørt.
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Speech Services - Speech-to-Text and Real-time Transcription
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Azure AI Services (Foundry Tools)
|
||||
|
||||
|
|
@ -21,7 +21,7 @@ Azure Speech to text er en kritisk byggesten i AI-løsninger som krever talegjen
|
|||
| Modus | Bruksområde | Latens | Input | Output |
|
||||
|-------|-------------|--------|-------|--------|
|
||||
| **Real-time** | Live-lyd fra mikrofon/stream | ~sekunder (intermediate results) | Audio stream via SDK/REST | Tekst i real-time |
|
||||
| **Fast transcription** | Raske transkripsjoner av filer | < real-time (synkron) | Lydfiler < 2 timer, < 300 MB | Display form (med punktum/caps) |
|
||||
| **Fast transcription** | Raske transkripsjoner av filer | < real-time (synkron) | Lydfiler < 5 timer, < 500 MB | Display form (med punktum/caps) |
|
||||
| **Batch transcription** | Store volumer prerecorded audio | Asynkron (30 min - 24 timer) | Flere filer via Blob Storage | JSON med lexical + display form |
|
||||
|
||||
### Custom Speech
|
||||
|
|
@ -57,7 +57,7 @@ Fast transcription og real-time kan identifisere språk automatisk hvis du:
|
|||
- Spesifiserer flere locales: `["en-US", "ja-JP"]` → tjenesten velger beste match
|
||||
- Ikke spesifiserer locales: `[]` → multi-lingual model identifiserer og transkriberer kontinuerlig
|
||||
|
||||
**Multi-lingual transcription (preview):** Støtter 14 språk (de-DE, en-AU/CA/GB/IN/US, es-ES/MX, fr-CA/FR, it-IT, ja-JP, ko-KR, zh-CN) i én fil uten å spesifisere locale.
|
||||
**Multi-lingual transcription (preview):** Støtter 15 språk (de-DE, en-AU/CA/GB/IN/US, es-ES/MX, fr-CA/FR, it-IT, ja-JP, ko-KR, pt-BR, zh-CN) i én fil uten å spesifisere locale.
|
||||
|
||||
### Phrase List
|
||||
|
||||
|
|
@ -77,7 +77,7 @@ Tilgjengelig i fast transcription (API version 2025-10-15).
|
|||
|
||||
- WAV, MP3, OPUS/OGG, FLAC, WMA, AAC, ALAW (WAV), MULAW (WAV), AMR, WebM, SPEEX
|
||||
- Batch transcription: ubegrenset filstørrelse
|
||||
- Fast transcription: < 2 timer, < 300 MB
|
||||
- Fast transcription: < 5 timer, < 500 MB
|
||||
- Real-time: streaming (ingen filstørrelsesbegrensning)
|
||||
|
||||
### Tilgangspunkter
|
||||
|
|
@ -166,7 +166,7 @@ Tilgjengelig i fast transcription (API version 2025-10-15).
|
|||
|
||||
**Arkitektur:**
|
||||
```
|
||||
[Lydfil < 2h] → Fast Transcription API → Synkron respons
|
||||
[Lydfil < 5h] → Fast Transcription API → Synkron respons
|
||||
↓
|
||||
JSON med display text
|
||||
↓
|
||||
|
|
@ -181,7 +181,7 @@ Tilgjengelig i fast transcription (API version 2025-10-15).
|
|||
|
||||
**Ulemper:**
|
||||
- Kun display form (ikke lexical)
|
||||
- Maksimalt 2 timer audio, 300 MB
|
||||
- Maksimalt 5 timer audio, 500 MB
|
||||
- Ikke egnet for store volumer (throttling)
|
||||
|
||||
**Når bruke:**
|
||||
|
|
@ -199,7 +199,7 @@ Tilgjengelig i fast transcription (API version 2025-10-15).
|
|||
|----------|------------|---------|
|
||||
| Live webinar med captions | **Real-time** | Krever intermediate results og lav latens |
|
||||
| 500 call center-opptak per dag | **Batch** | Asynkron, kostnadseffektiv, skalerer godt |
|
||||
| Video editing med rask turnaround | **Fast** | Synkron, < 2h fil, raskere enn real-time |
|
||||
| Video editing med rask turnaround | **Fast** | Synkron, < 5h fil, raskere enn real-time |
|
||||
| IVR (interactive voice response) | **Real-time** | Må respondere umiddelbart på tale |
|
||||
| Compliance-logging av møter | **Batch** | Ingen hastegrad, store volumer |
|
||||
|
||||
|
|
@ -353,7 +353,7 @@ Offentlige virksomheter må kunne:
|
|||
|----------|------------|-----------|
|
||||
| Bruk batch i stedet for real-time for prerecorded audio | 30-50% | Asynkron (ventetid) |
|
||||
| Deaktiver custom endpoint for batch-bruk | ~$35/måned per modell | Kan ikke bruke custom model i real-time |
|
||||
| Bruk fast transcription for < 2h filer | Raskere = mindre compute-kostnad | Kun display form |
|
||||
| Bruk fast transcription for < 5h filer | Raskere = mindre compute-kostnad | Kun display form |
|
||||
| Multi-region load balancing | Unngå throttling (indirekte besparelse) | Mer kompleks arkitektur |
|
||||
| Audio compression (MP3 i stedet for WAV) | Mindre bandwidth-kostnad | Marginal besparelse |
|
||||
|
||||
|
|
@ -376,7 +376,7 @@ Offentlige virksomheter må kunne:
|
|||
|
||||
1. **"Trenger dere transkripsjon i real-time, eller kan dere vente minutter/timer?"**
|
||||
- Real-time → Speech SDK + real-time API
|
||||
- Kan vente → Fast transcription (< 2h) eller Batch (> 2h)
|
||||
- Kan vente → Fast transcription (< 5h) eller Batch (> 5h)
|
||||
|
||||
2. **"Hvor mange timer audio prosesserer dere per måned, og hvor ofte?"**
|
||||
- < 100 timer/måned → Real-time eller fast transcription
|
||||
|
|
@ -434,7 +434,7 @@ Offentlige virksomheter må kunne:
|
|||
#### Nivå 2: Pilot / MVP
|
||||
- **Bruk:** Speech SDK i app/service
|
||||
- **Modell:** Base model, test custom speech hvis WER > 10%
|
||||
- **Modus:** Fast transcription for < 2h filer, batch for > 2h
|
||||
- **Modus:** Fast transcription for < 5h filer, batch for > 5h
|
||||
- **Fokus:** Implementer error handling, retry logic, cost tracking
|
||||
|
||||
#### Nivå 3: Production
|
||||
|
|
@ -467,4 +467,4 @@ Offentlige virksomheter må kunne:
|
|||
- Pricing: **Baseline** (veiledende, sjekk Azure Pricing Calculator for eksakte tall)
|
||||
- Norwegian compliance (Forvaltningsloven, dialekter): **Baseline** (generell kunnskap, ikke Microsoft-spesifikk)
|
||||
|
||||
**Sist oppdatert:** 2026-02 (basert på Microsoft Learn documentation per februar 2026)
|
||||
**Sist oppdatert:** 2026-06-19 (basert på Microsoft Learn documentation per juni 2026)
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Speech Services - Text-to-Speech and Neural Voices
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
|
||||
> **Status 2026-04:** Azure Neural TTS og Custom Neural Voice er begge bekreftet GA og aktivt vedlikeholdt. `nb-NO-PernilleNeural` og `nb-NO-FinnNeural` er de primære norske stemmene. Custom Neural Voice Pro tilbyr ytterligere tilpasning for enterprise-bruk.
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Translator Service - Custom Neural Translation Models
|
||||
|
||||
**Last updated:** 2026-02
|
||||
**Last updated:** 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Azure AI Services (Foundry Tools)
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Translator Service - Document Translation and Multi-language Support
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA (General Availability) + Preview features
|
||||
**Category:** Azure AI Services (Foundry Tools)
|
||||
|
||||
|
|
@ -50,9 +50,9 @@ En særlig nyhet (desember 2025) er støtte for bildefilformater i batch-overset
|
|||
| **Multi-language docs** | ✅ | ❌ | Oversett dokumenter med flere språk i én operasjon |
|
||||
| **Immediate response** | ❌ | ✅ | Translated dokument returneres direkte i svar |
|
||||
|
||||
### Oversettelse av bilder i Word-dokumenter (.docx)
|
||||
### Oversettelse av bildetekst i Word- (.docx) og PowerPoint-filer (.pptx)
|
||||
|
||||
En spesialisert funksjon (API-versjon 2024-11-01-preview) som krever:
|
||||
En spesialisert funksjon (tilgjengelig via batch document translation-API) som krever:
|
||||
- Azure AI Services **multi-service resource** (ikke standalone Translator)
|
||||
- Enable parameter: `"translateTextWithinImage": true` i `options`-feltet
|
||||
- Tilleggskostnad basert på Azure Vision-prising
|
||||
|
|
@ -350,19 +350,19 @@ General translation Domain-specific terms
|
|||
|
||||
1. **Document Translation Overview**
|
||||
https://learn.microsoft.com/azure/ai-services/translator/document-translation/overview
|
||||
*Confidence: Verified (2026-02)* — Kjernefeatures, formater, data residency
|
||||
*Confidence: Verified (2026-06-19)* — Kjernefeatures, formater, data residency
|
||||
|
||||
2. **Use Document Translation APIs Programmatically**
|
||||
https://learn.microsoft.com/azure/ai-services/translator/document-translation/how-to-guides/use-rest-api-programmatically
|
||||
*Confidence: Verified (2026-02)* — REST API, batch-oversettelse, SAS tokens, kodeeksempler
|
||||
*Confidence: Verified (2026-06-19)* — REST API, batch-oversettelse, SAS tokens, kodeeksempler
|
||||
|
||||
3. **Azure Translator Overview**
|
||||
https://learn.microsoft.com/azure/ai-services/translator/overview
|
||||
*Confidence: Verified (2026-02)* — Comparison matrix (text vs. document), feature roadmap
|
||||
*Confidence: Verified (2026-06-19)* — Comparison matrix (text vs. document), feature roadmap
|
||||
|
||||
4. **Image Translation Preview (December 2025)**
|
||||
https://learn.microsoft.com/azure/ai-services/translator/document-translation/reference/start-batch-translation#translate-image-files
|
||||
*Confidence: Verified (2026-02)* — Ny funksjonalitet for bildeformater
|
||||
*Confidence: Verified (2026-06-19)* — Ny funksjonalitet for bildeformater
|
||||
|
||||
5. **Service Limits**
|
||||
https://learn.microsoft.com/azure/ai-services/translator/service-limits#document-translation
|
||||
|
|
|
|||
|
|
@ -1,13 +1,13 @@
|
|||
# A/B Testing and Experimentation for AI Models
|
||||
|
||||
**Last updated:** 2026-04
|
||||
**Verified:** MCP 2026-04
|
||||
**Last updated:** 2026-06-19
|
||||
**Verified:** MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** MLOps & GenAIOps
|
||||
|
||||
---
|
||||
|
||||
**Verified:** MCP 2026-04
|
||||
**Verified:** MCP 2026-06-19
|
||||
|
||||
## Introduksjon
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Automated Retraining Pipelines and Scheduling
|
||||
|
||||
**Last updated:** 2026-02
|
||||
**Last updated:** 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** MLOps & GenAIOps
|
||||
|
||||
|
|
@ -696,4 +696,4 @@ START: Trenger dere automatisert retraining?
|
|||
|
||||
---
|
||||
|
||||
*Denne filen er generert av Cosmo Skyberg, Microsoft AI Solution Architect, som del av AI Architect Plugin kunnskapsbase. Sist oppdatert: 2026-02-04.*
|
||||
*Denne filen er generert av Cosmo Skyberg, Microsoft AI Solution Architect, som del av AI Architect Plugin kunnskapsbase. Sist oppdatert: 2026-06-19.*
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# CI/CD Pipelines for Machine Learning Models
|
||||
|
||||
**Last updated:** 2026-04
|
||||
**Last updated:** 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** MLOps & GenAIOps
|
||||
|
||||
|
|
|
|||
|
|
@ -1,13 +1,13 @@
|
|||
# GenAIOps - LLM-Specific MLOps Practices
|
||||
|
||||
**Dato:** 2026-02-04
|
||||
**Last updated:** 2026-04
|
||||
**Last updated:** 2026-06-19
|
||||
**Kategori:** MLOps & GenAIOps
|
||||
**Konfidensgrad:** Høy (basert på 18 MCP-kilder fra Microsoft Learn)
|
||||
|
||||
---
|
||||
|
||||
> **⚠️ Retirement 2027-04-20 (verifisert 2026-06-18):** Prompt Flow (Microsoft Foundry + Azure ML) pensjoneres 20. april 2027 og anbefales ikke for ny utvikling — migrer til **Microsoft Agent Framework (MAF)**. Referanser til Prompt Flow nedenfor gjelder eksisterende løsninger frem til fristen; nye GenAIOps-pipelines bør bygge på MAF. [Migrasjonsguide](https://learn.microsoft.com/azure/machine-learning/prompt-flow/migrate-prompt-flow-to-agent-framework?view=azureml-api-2).
|
||||
> **⚠️ Retirement 2027-04-20 (verifisert 2026-06-19):** Prompt Flow (Microsoft Foundry + Azure ML) pensjoneres 20. april 2027 og anbefales ikke for ny utvikling — migrer til **Microsoft Agent Framework (MAF)**. Referanser til Prompt Flow nedenfor gjelder eksisterende løsninger frem til fristen; nye GenAIOps-pipelines bør bygge på MAF. [Migrasjonsguide](https://learn.microsoft.com/azure/machine-learning/prompt-flow/migrate-prompt-flow-to-agent-framework?view=azureml-api-2).
|
||||
|
||||
## Introduksjon
|
||||
|
||||
|
|
|
|||
|
|
@ -1,10 +1,10 @@
|
|||
# Inferencing Optimization and Caching
|
||||
|
||||
**Kategori:** MLOps & GenAIOps
|
||||
**Dato:** 2026-04
|
||||
**Dato:** 2026-06-19
|
||||
**Forfattet av:** Cosmo Skyberg, Senior Microsoft AI Solution Architect
|
||||
|
||||
**Verified:** MCP 2026-04
|
||||
**Verified:** MCP 2026-06-19
|
||||
|
||||
## Introduksjon
|
||||
|
||||
|
|
|
|||
|
|
@ -1,10 +1,10 @@
|
|||
# Infrastructure as Code for MLOps
|
||||
|
||||
**Dato:** 2026-04
|
||||
**Dato:** 2026-06-19
|
||||
**Kategori:** MLOps & GenAIOps
|
||||
**Forfatter:** Cosmo Skyberg, Senior Microsoft AI Solution Architect
|
||||
|
||||
**Verified:** MCP 2026-04
|
||||
**Verified:** MCP 2026-06-19
|
||||
|
||||
## Introduksjon
|
||||
|
||||
|
|
@ -864,7 +864,7 @@ terraform {
|
|||
|
||||
## Kilder og verifisering
|
||||
|
||||
Denne kunnskapsreferansen er basert på følgende verifiserte kilder (hentet 2026-04):
|
||||
Denne kunnskapsreferansen er basert på følgende verifiserte kilder (hentet 2026-06-19):
|
||||
|
||||
1. **Microsoft Learn - What is Infrastructure as Code (IaC)?**
|
||||
- URL: https://learn.microsoft.com/devops/deliver/what-is-infrastructure-as-code
|
||||
|
|
@ -921,7 +921,7 @@ Denne kunnskapsreferansen er basert på følgende verifiserte kilder (hentet 202
|
|||
- **microsoft_docs_fetch calls:** 3
|
||||
- **microsoft_code_sample_search calls:** 1
|
||||
- **Total sources:** 10
|
||||
- **Dato for research:** 2026-04
|
||||
- **Dato for research:** 2026-06-19
|
||||
|
||||
**Confidence levels:**
|
||||
- VERY_HIGH: Offisiell Microsoft-dokumentasjon, verifiserte code samples
|
||||
|
|
@ -932,5 +932,5 @@ Alle kodeeksempler er hentet fra official Microsoft Learn eller GitHub repos und
|
|||
|
||||
---
|
||||
|
||||
**Oppdatert:** 2026-04
|
||||
**Neste review:** 2026-07-04 (eller når Azure ML API major version oppdateres)
|
||||
**Oppdatert:** 2026-06-19
|
||||
**Neste review:** 2026-09-19 (eller når Azure ML API major version oppdateres)
|
||||
|
|
@ -1,12 +1,12 @@
|
|||
# LLM Evaluation in Production Contexts
|
||||
|
||||
**Kategori:** MLOps & GenAIOps
|
||||
**Sist oppdatert:** 2026-04
|
||||
**Sist oppdatert:** 2026-06-19
|
||||
**Confidence:** High (basert på offisiell Microsoft dokumentasjon, Azure AI Foundry SDK, og MLflow 3)
|
||||
|
||||
---
|
||||
|
||||
**Verified:** MCP 2026-04
|
||||
**Verified:** MCP 2026-06-19
|
||||
|
||||
## Introduksjon
|
||||
|
||||
|
|
@ -1065,7 +1065,7 @@ Production evaluation er ikke komplett uten human review loop. Anbefal:
|
|||
[Observability in generative AI - Azure AI Foundry](https://learn.microsoft.com/en-us/azure/foundry/concepts/observability) – High-level GenAIOps lifecycle og evaluator taxonomy
|
||||
|
||||
5. **Model Monitoring for Generative AI:**
|
||||
[Model monitoring for generative AI applications (preview)](https://learn.microsoft.com/en-us/azure/machine-learning/prompt-flow/how-to-monitor-generative-ai-applications) – Azure ML Prompt Flow monitoring approach
|
||||
[Model monitoring for generative AI applications (preview)](https://learn.microsoft.com/en-us/azure/machine-learning/prompt-flow/how-to-monitor-generative-ai-applications) – Azure ML Prompt Flow monitoring approach. **NB (MCP 2026-06-19):** Prompt Flow pensjoneres 2027-04-20 (migrer til Microsoft Agent Framework); monitoring-tilnærmingen er fortsatt gyldig for eksisterende flows frem til fristen.
|
||||
|
||||
6. **Azure AI Evaluation Python SDK Reference:**
|
||||
[Azure AI Evaluation client library for Python](https://learn.microsoft.com/en-us/python/api/overview/azure/ai-evaluation-readme) – API docs for all built-in evaluators
|
||||
|
|
@ -1111,9 +1111,9 @@ Dette området utvikler seg raskt. Anbefalt re-verification:
|
|||
- **Bi-annually:** SDK APIs og evaluator availability (new evaluators released frequently)
|
||||
- **Annually:** Compliance requirements (AI Act implementation guidance evolves)
|
||||
|
||||
**Siste research-dato:** 2026-02-04
|
||||
**Siste research-dato:** 2026-06-19
|
||||
**Kilder brukt:** 7 Microsoft Learn articles, 15 code samples, Azure AI Evaluation SDK v1.14.0
|
||||
|
||||
---
|
||||
|
||||
*Denne kunnskapsreferansen er sist oppdatert 2026-02-04 av Cosmo Skyberg, Microsoft AI Solution Architect.*
|
||||
*Denne kunnskapsreferansen er sist oppdatert 2026-06-19 av Cosmo Skyberg, Microsoft AI Solution Architect.*
|
||||
|
|
|
|||
|
|
@ -1,13 +1,13 @@
|
|||
# MLOps Fundamentals - Lifecycle and Principles
|
||||
|
||||
**Last updated:** 2026-04
|
||||
**Verified:** MCP 2026-04
|
||||
**Last updated:** 2026-06-19
|
||||
**Verified:** MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** MLOps & GenAIOps
|
||||
|
||||
---
|
||||
|
||||
**Verified:** MCP 2026-04
|
||||
**Verified:** MCP 2026-06-19
|
||||
|
||||
## Introduksjon
|
||||
|
||||
|
|
@ -504,5 +504,5 @@ Er dette en POC?
|
|||
|
||||
### Sist verifisert
|
||||
|
||||
Alle kilder verifisert via `microsoft-learn` MCP-server **2026-04**.
|
||||
Alle kilder verifisert via `microsoft-learn` MCP-server **2026-06-19**.
|
||||
Azure ML dokumentasjon gjelder **API v2 (current)** med mindre annet er nevnt.
|
||||
|
|
|
|||
|
|
@ -1,8 +1,8 @@
|
|||
# Security and Access Control in MLOps
|
||||
|
||||
**Kategori:** MLOps & GenAIOps
|
||||
**Last updated:** 2026-04
|
||||
**Dato:** 2026-04-10
|
||||
**Last updated:** 2026-06-19
|
||||
**Dato:** 2026-06-19
|
||||
**Confidence:** HIGH — Basert på offisiell Microsoft Learn dokumentasjon (8 MCP-oppslag, 16 kilder)
|
||||
|
||||
---
|
||||
|
|
@ -738,10 +738,10 @@ AmlComputeClusterNodeEvent
|
|||
6. [Configure a private endpoint for an Azure Machine Learning workspace](https://learn.microsoft.com/en-us/azure/machine-learning/how-to-configure-private-link?view=azureml-api-2)
|
||||
7. [Secure an Azure Machine Learning workspace with virtual networks](https://learn.microsoft.com/en-us/azure/machine-learning/how-to-secure-workspace-vnet?view=azureml-api-2)
|
||||
8. [Data encryption with Azure Machine Learning](https://learn.microsoft.com/en-us/azure/machine-learning/concept-data-encryption?view=azureml-api-2)
|
||||
(Verified MCP 2026-04 — Key updates: Azure Data Lake Storage Gen1 retired 2024-02-29; Azure Database for PostgreSQL Single Server retired 2025-03-28; Azure Database for MySQL Single Server retired 2024-09-16. Use Gen2 / Flexible Server variants.)
|
||||
(Verified MCP 2026-06-19 — Key updates: Azure Data Lake Storage Gen1 retired 2024-02-29; Azure Database for PostgreSQL Single Server retired 2025-03-28; Azure Database for MySQL Single Server retired 2024-09-16. Use Gen2 / Flexible Server variants.)
|
||||
|
||||
**Sist verifisert:** 2026-04-10
|
||||
**Neste review:** Q3 2026 (ved nye identity/network features i Azure ML)
|
||||
**Sist verifisert:** 2026-06-19
|
||||
**Neste review:** 2026-09-19 (ved nye identity/network features i Azure ML)
|
||||
|
||||
---
|
||||
|
||||
|
|
|
|||
|
|
@ -1,11 +1,11 @@
|
|||
# MLOps Team Collaboration and Tools Integration
|
||||
|
||||
**Kategori:** MLOps & GenAIOps
|
||||
**Sist oppdatert:** 2026-04
|
||||
**Sist oppdatert:** 2026-06-19
|
||||
**Kilde:** Microsoft Learn, Azure Architecture Center
|
||||
**Konfidensgradering:** ⭐⭐⭐⭐⭐ (Verifisert mot offisiell Microsoft-dokumentasjon)
|
||||
|
||||
**Verified:** MCP 2026-04
|
||||
**Verified:** MCP 2026-06-19
|
||||
|
||||
## Introduksjon
|
||||
|
||||
|
|
@ -146,7 +146,7 @@ Azure DevOps provides end-to-end project management for ML teams:
|
|||
- `azure/login@v2` + `az ml job create` pattern
|
||||
- MLOps v2 solution accelerator: `Azure/mlops-v2-gha-demo`
|
||||
|
||||
**Databricks CI/CD best practices (Verified MCP 2026-04)**:
|
||||
**Databricks CI/CD best practices (Verified MCP 2026-06-19)**:
|
||||
- Feature branching with short-lived branches (Gitflow aligned with dev/staging/prod environments)
|
||||
- Automated notebook testing before merge (bundle validate + pytest/ScalaTest)
|
||||
- MLflow experiment tracking integrated into PR workflows
|
||||
|
|
@ -677,13 +677,13 @@ Databricks MLOps Stacks demonstrerer best practice for multi-team collaboration:
|
|||
|
||||
3. **What is Azure DevOps?**
|
||||
URL: https://learn.microsoft.com/en-us/azure/devops/user-guide/what-is-azure-devops
|
||||
Hentet: 2026-04-10
|
||||
Relevans: Azure Boards capabilities, team collaboration features (Verified MCP 2026-04 — new: Azure DevOps MCP Server for natural language project management queries, AI-Enhanced management with Copilot integration)
|
||||
Hentet: 2026-06-19
|
||||
Relevans: Azure Boards capabilities, team collaboration features (Verified MCP 2026-06-19 — new: Azure DevOps MCP Server for natural language project management queries, AI-Enhanced management with Copilot integration)
|
||||
|
||||
4. **Best Practices and Recommended CI/CD Workflows on Databricks**
|
||||
URL: https://learn.microsoft.com/en-us/azure/databricks/dev-tools/ci-cd/best-practices
|
||||
Hentet: 2026-04-10
|
||||
Relevans: MLOps Stacks team collaboration table (Verified MCP 2026-04 — now covers Declarative Automation Bundles, workload identity federation for auth, SQL and dashboard CI/CD workflows)
|
||||
4. **CI/CD workflows on Databricks**
|
||||
URL: https://learn.microsoft.com/en-us/azure/databricks/dev-tools/ci-cd/flows
|
||||
Hentet: 2026-06-19
|
||||
Relevans: MLOps Stacks team collaboration table (Verified MCP 2026-06-19 — `dev-tools/ci-cd/best-practices` ble flyttet til `dev-tools/ci-cd/flows`; siden dekker Declarative Automation Bundles, workload identity federation for auth, SQL and dashboard CI/CD workflows)
|
||||
|
||||
5. **Set up MLOps with Azure DevOps**
|
||||
URL: https://learn.microsoft.com/en-us/azure/machine-learning/how-to-setup-mlops-azureml
|
||||
|
|
@ -692,8 +692,8 @@ Databricks MLOps Stacks demonstrerer best practice for multi-team collaboration:
|
|||
|
||||
6. **Use GitHub Actions with Azure Machine Learning**
|
||||
URL: https://learn.microsoft.com/en-us/azure/machine-learning/how-to-github-actions-machine-learning
|
||||
Hentet: 2026-04-10
|
||||
Relevans: GitHub Actions integration patterns (Verified MCP 2026-04 — OIDC recommended with Entra app or user-assigned managed identity)
|
||||
Hentet: 2026-06-19
|
||||
Relevans: GitHub Actions integration patterns (Verified MCP 2026-06-19 — OIDC recommended with Entra app or user-assigned managed identity)
|
||||
|
||||
7. **MLOps Workflows on Azure Databricks**
|
||||
URL: https://learn.microsoft.com/en-us/azure/databricks/machine-learning/mlops/mlops-workflow
|
||||
|
|
|
|||
|
|
@ -1,13 +1,13 @@
|
|||
# Model Evaluation Frameworks and Metrics
|
||||
|
||||
**Last updated:** 2026-04
|
||||
**Verified:** MCP 2026-04
|
||||
**Last updated:** 2026-06-19
|
||||
**Verified:** MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** MLOps & GenAIOps
|
||||
|
||||
---
|
||||
|
||||
**Verified:** MCP 2026-04
|
||||
**Verified:** MCP 2026-06-19
|
||||
|
||||
## Introduksjon
|
||||
|
||||
|
|
@ -296,6 +296,8 @@ Microsoft validerer judge quality gjennom:
|
|||
|
||||
### Azure Machine Learning Prompt Flow
|
||||
|
||||
> **Retirement 2027-04-20 (verifisert MCP 2026-06-19):** Prompt Flow (Microsoft Foundry + Azure ML) pensjoneres 20. april 2027 og anbefales ikke for ny utvikling — migrer til Microsoft Agent Framework (MAF). Evaluation flows beskrevet under er fortsatt gyldige for eksisterende løsninger frem til fristen.
|
||||
|
||||
- **Evaluation flows** → Custom evaluation logic (Python nodes, LLM nodes).
|
||||
- **Batch run evaluation** → Kjør flow mot dataset, samle scores.
|
||||
- **Metrics visualization** → Compare runs, track improvements.
|
||||
|
|
|
|||
|
|
@ -2,11 +2,12 @@
|
|||
|
||||
**Kategori:** MLOps & GenAIOps
|
||||
**Dato:** 2026-02-04
|
||||
**Last updated:** 2026-06-19
|
||||
**Confidence:** 🟢 Høy (basert på offisiell Microsoft-dokumentasjon fra Azure AI Foundry og Azure Machine Learning)
|
||||
|
||||
---
|
||||
|
||||
> **⚠️ Retirement (verifisert mot Microsoft Learn 2026-06-18):** Prompt Flow — i **både Microsoft Foundry og Azure Machine Learning** — pensjoneres **20. april 2027** og anbefales ikke for ny utvikling. Migrer eksisterende flows og deployments til **Microsoft Agent Framework (MAF)** før fristen. Web authoring-opplevelsen (Foundry + Azure ML), VS Code-utvidelsene og Prompt Flow container images (`promptflow-runtime`, `promptflow-runtime-stable`, `promptflow-python`) får ikke lenger oppdateringer, inkludert sikkerhetsoppdateringer. [Migrasjonsguide](https://learn.microsoft.com/azure/machine-learning/prompt-flow/migrate-prompt-flow-to-agent-framework?view=azureml-api-2). Innholdet under beskriver fortsatt gjeldende Prompt Flow-praksis for eksisterende løsninger frem til fristen.
|
||||
> **⚠️ Retirement (verifisert mot Microsoft Learn 2026-06-19):** Prompt Flow — i **både Microsoft Foundry og Azure Machine Learning** — pensjoneres **20. april 2027** og anbefales ikke for ny utvikling. Migrer eksisterende flows og deployments til **Microsoft Agent Framework (MAF)** før fristen. Web authoring-opplevelsen (Foundry + Azure ML), VS Code-utvidelsene og Prompt Flow container images (`promptflow-runtime`, `promptflow-runtime-stable`, `promptflow-python`) får ikke lenger oppdateringer, inkludert sikkerhetsoppdateringer. [Migrasjonsguide](https://learn.microsoft.com/azure/machine-learning/prompt-flow/migrate-prompt-flow-to-agent-framework?view=azureml-api-2). Innholdet under beskriver fortsatt gjeldende Prompt Flow-praksis for eksisterende løsninger frem til fristen.
|
||||
|
||||
## Introduksjon
|
||||
|
||||
|
|
@ -659,4 +660,4 @@ Er dette første gang kunden deployer LLM-basert app?
|
|||
- [GenAIOps Prompt Flow Template](https://github.com/microsoft/genaiops-promptflow-template) – Reference implementation for CI/CD
|
||||
- [Prompt Flow SDK Examples](https://github.com/Azure/azureml-examples/tree/main/cli/generative-ai/promptflow) – Code samples for deployment automation
|
||||
|
||||
**Verifisert:** 2026-02-04 via microsoft-learn MCP server (søk + fetch på 5 offisielle docs)
|
||||
**Verifisert:** 2026-06-19 via microsoft-learn MCP server (søk + fetch på 5 offisielle docs)
|
||||
|
|
|
|||
|
|
@ -1,7 +1,7 @@
|
|||
# Agentic RAG Patterns — Agent-styrt retrieval
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Status:** GA (Semantic Kernel); Azure AI Search agentic retrieval **delvis GA** (verifisert 2026-06-18) — minimal/ekstraktiv retrieval er GA via REST `2026-04-01`, mens LLM query planning + answer synthesis er preview (`2026-05-01-preview`)
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA (Semantic Kernel); Azure AI Search agentic retrieval **delvis GA via REST `2026-04-01`** (verifisert 2026-06-19) — GA-overflaten returnerer ekstraktiv grounding-data (`activity` + `references`), ikke syntetiserte svar, med GA-kildetypene `searchIndex`/`azureBlob`/`indexedOneLake`/`web`. **Answer synthesis, ikke-minimal reasoning effort (LLM query planning på low/medium) og multi-turn messages forblir preview (`2026-05-01-preview`).** Azure- og Foundry-portalen gir kun preview-tilgang til agentic retrieval
|
||||
**Category:** RAG Architecture & Semantic Search
|
||||
|
||||
---
|
||||
|
|
@ -36,10 +36,10 @@ Loop:
|
|||
|
||||
### Azure AI Search agentic retrieval — 4-stegs prosess
|
||||
|
||||
1. **Workflow initiation:** App sender query + konversasjonshistorikk til knowledge base
|
||||
2. **Query planning:** LLM dekomponerer kompleks query i fokuserte subqueries
|
||||
3. **Query execution:** Subqueries kjøres parallelt med semantic reranking per subquery
|
||||
4. **Result synthesis:** 3-delt respons: Grounding Data + Reference Data + Activity Plan
|
||||
1. **Workflow initiation:** App sender query + konversasjonshistorikk til knowledge base (med en retrieve action)
|
||||
2. **Query planning:** Ved `low`/`medium` reasoning effort dekomponerer LLM-en kompleks query i fokuserte subqueries; ved `minimal` effort hoppes dette over og queries sendes direkte til knowledge sources (default er `low`)
|
||||
3. **Query execution:** Subqueries kjøres parallelt (keyword, vector eller hybrid) med semantisk reranking per subquery
|
||||
4. **Result synthesis:** Merged content returneres alltid; source references og activity log er valgfrie
|
||||
|
||||
### Sammenligning: Klassisk RAG vs. Agentic Retrieval
|
||||
|
||||
|
|
@ -138,14 +138,16 @@ agent = chat_client.as_agent(
|
|||
- Built-in semantic reranking per subquery
|
||||
- 3-delt response med grounding + citations + activity plan
|
||||
|
||||
**Begrensninger (verifisert 2026-06-18):**
|
||||
- **Delt GA-/preview-overflate:** REST `2026-04-01` (stabil/GA) gir kun minimal, ekstraktiv retrieval. **LLM query planning og answer synthesis** (beskrevet over) krever **preview** (`2026-05-01-preview`) — Azure- og Foundry-portalen bruker preview-versjonen.
|
||||
- **Knowledge bases / multi-source:** GA (`2026-04-01`) støtter flere kilder i én knowledge base, men kun GA-kildetyper (`searchIndex`, `azureBlob`, `indexedOneLake`, `web`). SharePoint, Azure SQL, Fabric og MCP server er fortsatt preview.
|
||||
- Krever semantic ranker (S1+ tier)
|
||||
**Begrensninger (verifisert 2026-06-19):**
|
||||
- **Delvis GA, resten preview:** GA via REST `2026-04-01` returnerer ekstraktiv grounding-data (`activity` + `references`), ikke syntetiserte svar — knowledge base i 2026-04-01 dropper answer-generation-innstillinger. **Answer synthesis, ikke-minimal reasoning effort (LLM query planning på low/medium) og multi-turn messages forblir preview (`2026-05-01-preview`).** Azure- og Foundry-portalen gir kun preview-tilgang til agentic retrieval.
|
||||
- **Knowledge bases / multi-source:** Én knowledge base kan samle flere knowledge sources (indexed eller remote). Tilgjengelig i utvalgte regioner; grenser varierer med pristier og reasoning effort.
|
||||
- Bruker semantic ranker internt (L2-reranking) i pipelinen
|
||||
|
||||
**Prising:**
|
||||
- Free tier: 50M agentic reasoning tokens/mnd
|
||||
- Standard: Token-basert ($0.022/token)
|
||||
- Free plan (default): månedlig gratis token-kvote
|
||||
- Standard plan: pay-as-you-go etter at gratis-kvoten er brukt opp
|
||||
- Azure OpenAI faktureres separat (pay-as-you-go) for query planning + answer synthesis
|
||||
- (Eksakte token-priser: se plugins deterministiske kostnadsmodell — `deterministic-cost-calculation-model.md`)
|
||||
|
||||
**Anbefalt for:** Teams som vil ha agentic RAG uten custom infrastruktur.
|
||||
|
||||
|
|
@ -200,7 +202,7 @@ agent = chat_client.as_agent(
|
|||
|
||||
| Tjeneste | Integrasjonspunkt |
|
||||
|----------|-------------------|
|
||||
| **Azure AI Search** | Agentic retrieval (delvis GA — REST `2026-04-01`; LLM-planning preview), vector store, hybrid search |
|
||||
| **Azure AI Search** | Agentic retrieval (delvis GA via REST `2026-04-01` — ekstraktiv grounding; answer synthesis/non-minimal reasoning/multi-turn = preview; portal/Foundry preview), vector store, hybrid search |
|
||||
| **Semantic Kernel** | TextSearchProvider, agent orchestration patterns |
|
||||
| **Microsoft Agent Framework** | VectorStore bridge, tool-basert RAG |
|
||||
| **Azure AI Foundry** | Prompt Flow (pensjoneres 2027-04-20 → MAF) for visual DAG orchestration |
|
||||
|
|
@ -261,7 +263,7 @@ agent = chat_client.as_agent(
|
|||
### Fallgruver
|
||||
|
||||
- **Agentic for alt:** Single-query RAG dekker 70% av use cases — start der
|
||||
- **GA-/preview-split:** Minimal agentic retrieval er GA (REST `2026-04-01`); LLM query planning + answer synthesis er fortsatt preview (`2026-05-01-preview`) — ha fallback hvis løsningen avhenger av preview-funksjonene
|
||||
- **Delvis GA via REST vs. preview:** GA-overflaten (`2026-04-01`) gir ekstraktiv grounding-data, ikke syntetiserte svar — bygg på REST-API-et for produksjon. Avhenger løsningen av answer synthesis, ikke-minimal reasoning effort (LLM query planning) eller multi-turn messages, krever det fortsatt preview-API (`2026-05-01-preview`); ha fallback. Azure-/Foundry-portalen gir kun preview-tilgang
|
||||
- **Agent-explosion:** For mange spesialist-agenter = uforutsigbar oppførsel
|
||||
|
||||
### Anbefalinger per modenhetsnivå
|
||||
|
|
@ -287,9 +289,9 @@ agent = chat_client.as_agent(
|
|||
| Multi-agent performance (34% accuracy) | **Baseline** | Community source (ragaboutit.com) |
|
||||
|
||||
|
||||
### Azure AI Search Agentic Retrieval (delvis GA — oppdatert 2026-06-18)
|
||||
### Azure AI Search Agentic Retrieval (delvis GA via REST `2026-04-01` — oppdatert 2026-06-19)
|
||||
|
||||
> Minimal, ekstraktiv retrieval er **GA** (REST `2026-04-01`). Funksjonaliteten under — LLM-drevet query planning, subquery-nedbryting og answer synthesis — krever **preview** (`2026-05-01-preview`).
|
||||
> GA via REST `2026-04-01` returnerer **ekstraktiv grounding-data** (`activity` + `references`), ikke syntetiserte svar. **Answer synthesis, ikke-minimal reasoning effort (LLM-drevet query planning på low/medium) og multi-turn messages forblir preview (`2026-05-01-preview`).** Azure- og Foundry-portalen gir kun **preview**-tilgang til agentic retrieval. Agentic retrieval driver også **Foundry IQ** i Foundry-portalen.
|
||||
|
||||
Azure AI Search agentic retrieval er en managed multi-query pipeline for komplekse spørsmål i chat og copilot-apper:
|
||||
|
||||
|
|
@ -299,12 +301,12 @@ Azure AI Search agentic retrieval er en managed multi-query pipeline for komplek
|
|||
- Resultater slås sammen til ett grounding data-sett med query plan og source documents
|
||||
- Leser inn chat history for kontekstuell query planning
|
||||
|
||||
**Prising:**
|
||||
- Free plan: **50 millioner gratis reasoning tokens/mnd** (alle tiers)
|
||||
- Standard plan: pay-as-you-go etter fri kvote
|
||||
- Avhenger av semantic ranker (premium feature)
|
||||
**Prising (to tjenester faktureres):**
|
||||
- Azure AI Search: retrieval-tokens for subquery-eksekvering + semantic ranking. Free plan (default) gir en månedlig gratis token-kvote; standard plan gir pay-as-you-go etter kvoten.
|
||||
- Azure OpenAI: input/output-tokens for LLM query planning + answer synthesis (alltid pay-as-you-go, basert på modellen knytt til knowledge base).
|
||||
- (Eksakte priser: se `deterministic-cost-calculation-model.md`)
|
||||
|
||||
**Arkitektur:** Knowledge Base + Knowledge Source(s) + Azure OpenAI LLM + Azure AI Search index
|
||||
**Arkitektur:** Knowledge Base + Knowledge Source(s) + Azure OpenAI LLM + Azure AI Search index (med semantic configuration)
|
||||
|
||||
**AI Agent Design Patterns (Azure Architecture Center):**
|
||||
Agentic RAG plasseres i et spektrum fra single model call → single agent with tools → multi-agent orchestration. Start med laveste nødvendige kompleksitetsnivå. Mønstre: sequential (pipeline), parallel fanout, supervisor, og autonomous loop. Multi-agent krever koordineringsoverhead og økt latency — bruk kun når single-agent RAG ikke er tilstrekkelig.
|
||||
|
|
@ -1,6 +1,6 @@
|
|||
# Azure AI Search - Configuration and Deployment
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** RAG Architecture & Semantic Search
|
||||
|
||||
|
|
@ -20,23 +20,23 @@ For offentlig sektor er Azure AI Search spesielt relevant fordi den støtter dat
|
|||
|
||||
| Tier | Bruksområde | Maks dokumenter | Maks indekser | Semantic Ranker | Vector Search | Estimert kostnad (NOK/mnd) |
|
||||
|------|-------------|-----------------|---------------|-----------------|---------------|----------------------------|
|
||||
| **Free** | Prototyping | 10 000 | 3 | Nei | Begrenset | Gratis (0) |
|
||||
| **Basic** | Små prod-miljøer | 15M | 15 | Nei | Ja | ~800 |
|
||||
| **Free** | Prototyping | 10 000 | 3 | Ja (gratis kvote, ikke anbefalt for store workloads) | Begrenset | Gratis (0) |
|
||||
| **Basic** | Små prod-miljøer | 15M | 15 | Ja | Ja | ~800 |
|
||||
| **Standard (S1)** | Mid-tier prod | 60M per partition | 50 | Ja | Ja | ~4 000 |
|
||||
| **Standard (S2)** | Høy-volum prod | 120M per partition | 200 | Ja | Ja | ~8 000 |
|
||||
| **Standard (S3)** | Enterprise-scale | 240M per partition | 200 | Ja | Ja | ~16 000 |
|
||||
| **Storage Optimized (L1/L2)** | Arkivering, cold search | 120M/240M per partition | 10 | Nei | Ja | ~11 000 / ~22 000 |
|
||||
| **Storage Optimized (L1/L2)** | Arkivering, cold search | 120M/240M per partition | 10 | Ja | Ja | ~11 000 / ~22 000 |
|
||||
|
||||
**Viktige egenskaper:**
|
||||
- **Partitions:** Øker lagringskapasitet og parallellitet (horizontal scaling)
|
||||
- **Replicas:** Øker throughput og tilgjengelighet (query load balancing)
|
||||
- **SLA:** 99.9% for 2+ replicas (query), 99.9% for 3+ replicas (indexing + query)
|
||||
- **Semantic Ranker:** Kun Standard og høyere (S1+)
|
||||
- **Private Link:** Standard (S1+), Storage Optimized
|
||||
- **SLA:** 99.9% for 2+ replicas (query), 99.9% for 3+ replicas (indexing + query). Basic kan møte SLA-krav med opptil 3 replicas.
|
||||
- **Semantic Ranker:** Tilgjengelig på alle tiers (også Free) — gratis månedlig kvote (default) + standard pay-as-you-go-plan ved bruk utover kvoten. Premium-feature billet per bruk; ikke anbefalt på Free for store workloads.
|
||||
- **Private Link (inbound):** Ikke på Free. Indexer-utgående tilkoblinger med skillsets støttes ikke på Free, Basic, S1 eller S3 HD.
|
||||
|
||||
|
||||
|
||||
> **SKU-oppdatering 2026-04:** Search services opprettet etter 3. april 2024 har større partisjoner og høyere vector kvoter på nesten alle tiers. Basic støtter 3 replicas for SLA. Standard (S1-S3) er standard valg. S3 HD er hosting mode for mange små indekser (multitenancy). Storage Optimized (L1/L2) gir lavere pris/TB for sjeldent oppdaterte, store indekser — med høyere query latency. Tier-bytte er nå mulig mellom Basic og Standard (S1/S2/S3) uten å gjenoppbygge indeksen fra scratch i mange tilfeller.
|
||||
> **SKU-oppdatering 2026-06:** Search services opprettet etter april 2024 (med en andre bølge i mai 2024) i utvalgte regioner har større partisjoner og høyere vector-kvoter på samme billing-rate. Basic støtter opptil 3 replicas for SLA. Standard (S1-S3) er default-valget. S3 HD er en hosting mode for mange små indekser (multitenancy), med samme per-enhet-kostnad som S3. Storage Optimized (L1/L2) gir lavere pris/TB for sjeldent oppdaterte, store indekser — med høyere query latency. Tier-bytte (in-place) støttes mellom Basic og Standard (S1/S2/S3), forutsatt at gjeldende konfigurasjon ikke overstiger målet-tierens grenser og regionen ikke har kapasitetsbegrensninger. Bytte til/fra andre tiers (Free, L1/L2, S3 HD) krever ny service + migrering av innhold. **Serverless (Developer)** er en ny consumption-basert prismodell i Public Preview (CU/h + GB/mnd), kun i utvalgte regioner — støtter ikke migrering til/fra andre tiers.
|
||||
|
||||
### Indekseringsstrategier
|
||||
|
||||
|
|
@ -188,7 +188,7 @@ Azure AI Search støtter tre indekseringsmodeller:
|
|||
|------|------------|-------------------|
|
||||
| "Vi trenger S3 for å være sikre" | 4x kostnad vs. S1 uten reell gevinst | Start med S1, skaler opp ved faktisk behov |
|
||||
| Bruke 1 replica i prod | Ingen SLA, downtime ved maintenance | Alltid 2+ replicas for prod (query SLA) |
|
||||
| Bruke Basic tier for RAG | Ingen semantic ranker → dårlig relevance | S1 minimum for RAG med semantic ranker |
|
||||
| Anta at Basic mangler semantic ranker | Feilaktig nedprioritering av relevans | Basic støtter semantic ranker; velg S1+ for prod-skala/SLA, ikke for å få selve feature-en |
|
||||
| Ignorere partition-grense | Query-timeout ved >60M docs på S1 | Øk partitions, ikke bare replicas |
|
||||
| Push API uten rate limiting | Throttling (429 errors) | Bruk batch indexing eller indexer-pipeline |
|
||||
|
||||
|
|
@ -198,7 +198,7 @@ Azure AI Search støtter tre indekseringsmodeller:
|
|||
2. **"Vi skal indeksere 500M dokumenter":** S3 HD (high density) eller vurder sharding til flere services.
|
||||
3. **"Vi vil ha vector search uten full-text":** Mulig, men dårlig idé — hybrid search er nesten alltid bedre.
|
||||
4. **"Vi trenger real-time sync (<1 sek)":** Push API mulig, men komplekst. Vurder om eventual consistency (5-10 sek) er akseptabelt.
|
||||
5. **"Kan vi bruke Free tier i prod?":** Nei. Ingen SLA, maksimalt 10K docs, ingen semantic ranker.
|
||||
5. **"Kan vi bruke Free tier i prod?":** Nei. Ingen SLA, maksimalt 10K docs, delte ressurser (semantic ranker kjører, men ikke anbefalt for store workloads), kun én Free-service per subscription.
|
||||
|
||||
## Integrasjon med Microsoft-stakken
|
||||
|
||||
|
|
@ -417,9 +417,9 @@ Azure AI Search prises per **search unit** (SU = 1 partition × 1 replica).
|
|||
- 1 replica = ingen SLA (maintenance = downtime)
|
||||
- Prod krever minimum 2 replicas (query) eller 3 replicas (indexing + query)
|
||||
|
||||
3. **Bruke Basic tier med semantic ranker-forventning:**
|
||||
- Basic støtter ikke semantic ranker
|
||||
- S1 er minimum for RAG med god relevance
|
||||
3. **Velge tier kun ut fra semantic ranker-tilgang:**
|
||||
- Semantic ranker er tilgjengelig på alle tiers (også Basic og Free)
|
||||
- Velg S1+ ut fra dokumentvolum, query-throughput og SLA — ikke for å låse opp semantic ranker
|
||||
|
||||
4. **Push API uten retry logic:**
|
||||
- AI Search throttler ved >1000 docs/batch
|
||||
|
|
@ -470,7 +470,7 @@ Azure AI Search prises per **search unit** (SU = 1 partition × 1 replica).
|
|||
**For Cosmo:** Denne referansen brukes når kunden snakker om "RAG-implementasjon", "søkeløsning", "Azure AI Search setup", eller spør om SKU-valg. Kombiner med **RAG Core Patterns** for arkitekturveiledning og **Hybrid Search - Full-Text and Vector Combined** for query-optimalisering.
|
||||
|
||||
|
||||
### Hybrid Search (oppdatert 2026-04)
|
||||
### Hybrid Search (oppdatert 2026-06)
|
||||
|
||||
Hybrid search kombinerer full-text search og vector search i én enkelt forespørsel mot en søkeindeks med både tekstlig og vektorisert innhold:
|
||||
- Kjører full-text og vector search **parallelt**
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Document Chunking — Strategies and Implementation
|
||||
|
||||
**Last updated:** 2026-02
|
||||
**Last updated:** 2026-06-19
|
||||
**Status:** GA (core features), Preview (token chunking)
|
||||
**Category:** RAG Architecture & Semantic Search
|
||||
|
||||
|
|
@ -122,7 +122,7 @@ Valg av chunking-strategi avhenger av dokumenttype, bruksmønster, kvalitetskrav
|
|||
|
||||
**Arkitektur:** Data source → Indexer → Azure Content Understanding skill → Semantiske enheter → Embedding skill → Index
|
||||
|
||||
**Konsept:** I stedet for å dele dokumenter etter fast størrelse eller setningsgrenser, identifiserer semantisk chunking meningsfulle tematiske enheter som kan spenne over sider. Azure Content Understanding (GA nov 2025) analyserer dokumentstruktur og semantikk for å produsere chunks som bevarer sammenhengende konsepter.
|
||||
**Konsept:** I stedet for å dele dokumenter etter fast størrelse eller setningsgrenser, identifiserer semantisk chunking meningsfulle tematiske enheter som kan spenne over sider. Azure Content Understanding (GA; anbefalt skill for nye skillsets) analyserer dokumentstruktur og semantikk for å produsere chunks som bevarer sammenhengende konsepter.
|
||||
|
||||
**Fordeler:**
|
||||
- Chunks bryter ikke midt i et konsept eller argument
|
||||
|
|
@ -325,5 +325,5 @@ Overlapp øker antall chunks proporsjonalt:
|
|||
| RAG chunking phase (Architecture Guide) | **Verified** | [learn.microsoft.com](https://learn.microsoft.com/en-us/azure/architecture/ai-ml/guide/rag/rag-chunking-phase) |
|
||||
| RAG with Document Intelligence | **Verified** | [learn.microsoft.com](https://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/concept/retrieval-augmented-generation) |
|
||||
| Azure Search Vector Samples (GitHub) | **Verified** | [github.com/Azure](https://github.com/Azure/azure-search-vector-samples) |
|
||||
| Token chunking (preview) | **Baseline** | Annonsert i 2025-11-01-preview API |
|
||||
| Token chunking (preview) | **Baseline** | Tilgjengelig i 2026-05-01-preview API (Skillsets - Create or Update) |
|
||||
| Prisinformasjon | **Baseline** | Basert på offentlige prislister, sjekk Azure-kalkulator for oppdaterte priser |
|
||||
|
|
|
|||
|
|
@ -1,18 +1,18 @@
|
|||
# Citation Tracking and Source Attribution
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Status:** GA (classic RAG), Preview (agentic retrieval)
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA (classic RAG); agentic retrieval delvis GA via REST `2026-04-01` — grounding-overflaten (`references` + `activity`-log) er GA, mens LLM query planning (ikke-minimal reasoning effort) + answer synthesis + multi-turn messages forblir preview (`2026-05-01-preview`); portal/Foundry preview
|
||||
**Category:** RAG Architecture & Semantic Search
|
||||
|
||||
---
|
||||
|
||||
## Introduksjon
|
||||
|
||||
Citation tracking er en kritisk komponent i enterprise RAG-systemer. Det handler om å spore og eksponere kildene som ligger til grunn for AI-genererte svar, slik at brukere kan verifisere informasjonen. I Azure-økosystemet støttes citation tracking gjennom to hovedmønstre: **Classic RAG** (GA) med Azure AI Search og Azure OpenAI, og **Agentic Retrieval** (Preview) med strukturerte grounding data.
|
||||
Citation tracking er en kritisk komponent i enterprise RAG-systemer. Det handler om å spore og eksponere kildene som ligger til grunn for AI-genererte svar, slik at brukere kan verifisere informasjonen. I Azure-økosystemet støttes citation tracking gjennom to hovedmønstre: **Classic RAG** (GA) med Azure AI Search og Azure OpenAI, og **Agentic Retrieval** (grounding-overflaten med `references` + `activity` er GA via REST `2026-04-01`; LLM query planning/answer synthesis/multi-turn = preview; portal/Foundry preview) med strukturerte grounding data.
|
||||
|
||||
God citation tracking reduserer hallusinering ved å tvinge LLM-en til å basere seg på hentet kontekst, gir brukerne tillit til svarene, og oppfyller compliance-krav i offentlig sektor der sporbarhet er lovpålagt. Azure AI Search returnerer automatisk kildemetadata med søkeresultater, og Azure OpenAI "On Your Data"-mønsteret inkluderer citation annotations i responser.
|
||||
|
||||
Agentic Retrieval (preview 2025/2026) representerer neste evolusjon med LLM-assistert query planning, parallelle subqueries, og strukturerte citation-responser med full provenance tracking.
|
||||
Agentic Retrieval representerer neste evolusjon med LLM-assistert query planning, parallelle subqueries, og strukturerte citation-responser med full provenance tracking. Citation-overflaten (`references` + `activity`-log) er GA via REST `2026-04-01`; LLM-assistert query planning (ikke-minimal reasoning effort) og answer synthesis forblir preview (`2026-05-01-preview`), og Azure-/Foundry-portalen gir kun preview-tilgang.
|
||||
|
||||
## Kjernekomponenter
|
||||
|
||||
|
|
@ -127,9 +127,9 @@ Context: {context}
|
|||
- LLM planlegger optimale søk for bedre dekning
|
||||
|
||||
**Ulemper:**
|
||||
- Preview-funksjon, ikke GA ennå
|
||||
- Høyere kompleksitet og token-kostnad
|
||||
- Ranking tokens gratis kun under initial preview-fase
|
||||
- Grounding-overflaten (`references` + `activity`) er GA via REST `2026-04-01`; LLM query planning (ikke-minimal reasoning effort) + answer synthesis + multi-turn forblir preview, og portal/Foundry gir fortsatt kun preview-tilgang
|
||||
- Høyere kompleksitet og token-kostnad (faktureres token-basert, ikke per query)
|
||||
- Token-forbruk over månedlig gratis-kvote faktureres pay-as-you-go (Azure AI Search + Azure OpenAI separat)
|
||||
|
||||
### Mønster 3: Fakta-verifisering med LLM-judge
|
||||
|
||||
|
|
@ -243,9 +243,9 @@ result = groundedness_eval(
|
|||
| Komponent | Kostnadsdriver |
|
||||
|-----------|---------------|
|
||||
| Azure AI Search | Standard spørringskostnad (ingen ekstra for metadata) |
|
||||
| Semantic Ranker | Per 1000 requests (1000 gratis/mnd) |
|
||||
| Semantic Ranker | Free plan (månedlig gratis request-kvote) + standard pay-as-you-go etter kvoten |
|
||||
| Azure OpenAI | Token-kostnad for citation-generering i LLM-respons |
|
||||
| Agentic Retrieval | Ranking tokens (gratis under preview), Azure OpenAI for query planning |
|
||||
| Agentic Retrieval | Retrieval-tokens (månedlig gratis-kvote, deretter pay-as-you-go), Azure OpenAI for query planning/answer synthesis |
|
||||
| Groundedness Pro | Per evaluerings-kall (Azure AI Content Safety) |
|
||||
|
||||
### Kostnadsoptimering
|
||||
|
|
@ -294,12 +294,12 @@ result = groundedness_eval(
|
|||
- Modenhetsnivå-tabellen
|
||||
|
||||
|
||||
### Agentic Retrieval — Citation Tracking (oppdatert 2026-04)
|
||||
### Agentic Retrieval — Citation Tracking (oppdatert 2026-06-19)
|
||||
|
||||
Azure AI Search agentic retrieval (preview) returnerer et tre-delt svar som gjør citation tracking robust:
|
||||
Azure AI Search agentic retrieval (grounding-overflaten GA via REST `2026-04-01`; LLM query planning/answer synthesis/multi-turn = preview; portal/Foundry preview) returnerer et svar som gjør citation tracking robust:
|
||||
|
||||
1. **Merged content** — samlet grounding data for LLM
|
||||
2. **Source references** — kildereferanser for inspeksjon og citation
|
||||
3. **Activity plan** — query execution-detaljer (subqueries, sources, parameters)
|
||||
1. **Merged content** — samlet grounding data for LLM (returneres alltid)
|
||||
2. **Source references** — kildereferanser for inspeksjon og citation (valgfritt)
|
||||
3. **Activity log** — query execution-detaljer (subqueries, sources, parameters) (valgfritt)
|
||||
|
||||
Agentic retrieval bruker LLM til å rive ned komplekse queries til subqueries som kjøres parallelt, med semantisk reranking av hvert delresultat. Dette gir bedre grounding data enn klassisk RAG for komplekse spørsmål. Source references med full provenance tracking støtter transparenskrav i norsk offentlig sektor.
|
||||
|
|
@ -1,6 +1,6 @@
|
|||
# Embedding Models - Selection and Optimization
|
||||
|
||||
**Last updated:** 2026-02
|
||||
**Last updated:** 2026-06-19
|
||||
**Status:** GA (Azure OpenAI, Azure AI Search), Preview (Multilingual E5, Custom embeddings)
|
||||
**Category:** RAG Architecture & Semantic Search
|
||||
|
||||
|
|
@ -487,7 +487,7 @@ For teams som ikke har nok treningsdata for fine-tuning, er en domene-tilpasset
|
|||
### Primærkilder (Microsoft Learn)
|
||||
|
||||
- [Azure OpenAI Embeddings](https://learn.microsoft.com/en-us/azure/ai-services/openai/concepts/embeddings) (Verified, feb 2026)
|
||||
- [Azure AI Search Vector Search](https://learn.microsoft.com/en-us/azure/search/vector-search-overview) (Verified, feb 2026)
|
||||
- [Azure AI Search Vector Search](https://learn.microsoft.com/en-us/azure/search/vector-search-overview) (Verified, 2026-06-19)
|
||||
- [Integrated Vectorization in Azure AI Search](https://learn.microsoft.com/en-us/azure/search/vector-search-integrated-vectorization) (Verified, feb 2026)
|
||||
- [Matryoshka Embeddings (OpenAI)](https://platform.openai.com/docs/guides/embeddings/embedding-models) (Baseline, referert i Azure docs)
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# GraphRAG - Knowledge Graphs and Relationship Extraction
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** Preview
|
||||
**Category:** RAG Architecture & Semantic Search
|
||||
|
||||
|
|
@ -45,7 +45,7 @@ Microsoft Fabric og Azure støtter **Labeled Property Graphs (LPG)** som standar
|
|||
|
||||
- **Nodes (entiteter)**: Har labels (typer), properties (attributter) og unique IDs
|
||||
- **Edges (relasjoner)**: Har types (f.eks. "knows", "depends_on"), properties (weights, timestamps) og retning
|
||||
- **Schema flexibility**: Kan utvikles inkrementelt uten rigid schema constraints
|
||||
- **Schema flexibility**: Kan utvikles uten rigide schema constraints (men i Fabric Graph krever schema-endringer per 2026 at man oppretter en ny graph model og laster data på nytt)
|
||||
- **RDF ikke støttet**: Resource Description Framework (RDF) er ikke støttet i Microsoft Fabric per 2026
|
||||
|
||||
---
|
||||
|
|
@ -277,12 +277,12 @@ GraphRAG introduserer spesifikke personvernrisiki i offentlig sektor:
|
|||
|
||||
| Seksjon | URL | Konfidensnivå |
|
||||
|---------|-----|---------------|
|
||||
| CosmosAIGraph arkitektur | https://learn.microsoft.com/en-us/azure/cosmos-db/gen-ai/cosmos-ai-graph | ✅ Verified (2026-02) |
|
||||
| CosmosAIGraph arkitektur | https://learn.microsoft.com/en-us/azure/cosmos-db/gen-ai/cosmos-ai-graph | ✅ Verified (2026-06-19) |
|
||||
| Graph semantics i KQL | https://learn.microsoft.com/en-us/kusto/query/graph-semantics-overview | ✅ Verified (2026-02) |
|
||||
| Entity Recognition skill (v3) | https://learn.microsoft.com/en-us/azure/search/cognitive-search-skill-entity-recognition-v3 | ✅ Verified (2026-02) |
|
||||
| Azure AI Search transparency note | https://learn.microsoft.com/en-us/azure/foundry/responsible-ai/search/transparency-note | ✅ Verified (2026-02) |
|
||||
| RAG solution design guide | https://learn.microsoft.com/en-us/azure/architecture/ai-ml/guide/rag/rag-solution-design-and-evaluation-guide | ✅ Verified (2026-02) |
|
||||
| Labeled Property Graphs (LPG) | https://learn.microsoft.com/en-us/fabric/graph/graph-data-models | ✅ Verified (2026-02) |
|
||||
| Labeled Property Graphs (LPG) | https://learn.microsoft.com/en-us/fabric/graph/graph-data-models | ✅ Verified (2026-06-19) |
|
||||
|
||||
### Konfidens per seksjon
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Hierarchical RAG Patterns — Multi-nivå retrieval
|
||||
|
||||
**Last updated:** 2026-02
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA (index projections), Preview (agentic retrieval)
|
||||
**Category:** RAG Architecture & Semantic Search
|
||||
|
||||
|
|
@ -195,6 +195,8 @@ Nivå 3: Chunks → Hent detaljerte segmenter (top-5)
|
|||
|
||||
### Document Layout skill for hierarkisk chunking
|
||||
|
||||
> **Anbefaling (2026-06):** For **nye** skillsets anbefaler Microsoft nå **Azure Content Understanding-skill** (`#Microsoft.Skills.Util.ContentUnderstandingSkill`) i stedet for Document Layout-skill — den samler semantisk chunking, AI-genererte bildebeskrivelser og forbedret tabelluttrekk i én skill. Document Layout-skill (under) er fortsatt støttet og dokumentert for **eksisterende** pipelines.
|
||||
|
||||
```json
|
||||
{
|
||||
"@odata.type": "#Microsoft.Skills.Util.DocumentIntelligenceLayoutSkill",
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Hybrid Search - Full-Text and Vector Combined
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** RAG Architecture & Semantic Search
|
||||
|
||||
|
|
@ -246,4 +246,4 @@ Bruk `debug: "vector"` eller `debug: "semantic"` i API-kallet for å pakke ut su
|
|||
|
||||
**SDK-støtte:** Python (`azure-search-documents`), C# (`Azure.Search.Documents`), Java, JavaScript.
|
||||
|
||||
**API-versjoner:** `2025-09-01` (stable), `2025-11-01-preview` (maxTextRecallSize, filterOverride, etc.)
|
||||
**API-versjoner:** `2026-04-01` (stable), `2026-05-01-preview` (maxTextRecallSize, filterOverride, strictPostFilter, etc.)
|
||||
|
|
@ -1,6 +1,6 @@
|
|||
# Multi-Index Federation and Cross-Search
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA (single-index), Not supported (native cross-index)
|
||||
**Category:** RAG Architecture & Semantic Search
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Multimodal RAG — Bilder, tabeller og dokumenter i RAG
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA (Document Intelligence, Content Understanding), Preview (multimodal embeddings)
|
||||
**Category:** RAG Architecture & Semantic Search
|
||||
|
||||
|
|
@ -311,7 +311,7 @@ chartFormat=markdown
|
|||
| Azure-Samples/multimodal-rag-code-execution | **Baseline** | [github.com](https://github.com/Azure-Samples/multimodal-rag-code-execution) |
|
||||
|
||||
|
||||
### Azure AI Search Multimodal Pipeline (oppdatert 2026-04)
|
||||
### Azure AI Search Multimodal Pipeline (oppdatert 2026-06-19)
|
||||
|
||||
Azure AI Search multimodal pipeline (GA) støtter nå en fullstendig 5-stegs prosess:
|
||||
1. **Ekstraksjon** — Document Extraction, Document Layout, eller Content Understanding skill
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# RAG Caching and Performance Optimization
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** RAG Architecture & Semantic Search
|
||||
|
||||
|
|
@ -147,7 +147,7 @@ User Query → L1: Redis (in-memory, <5ms) → L2: Cosmos DB (persistent, <50ms)
|
|||
|-------------|---------|---------|
|
||||
| **Caching user-private data globally** | Privacy violation, data leakage | Scope cache keys by user/tenant identity |
|
||||
| **Ingen TTL policy** | Runaway cache growth, stale data | Implement TTL basert på data sensitivity |
|
||||
| **For høy similarity threshold (>0.8)** | Lav cache hit rate | Start med 0.15-0.3, tune basert på metrics |
|
||||
| **For lav APIM score-threshold (distanse, f.eks. <0.1)** | Lav cache hit rate (for streng matching) | Start med 0.15, tune opp basert på metrics |
|
||||
| **Caching uten context window** | Contextually incorrect responses | Vectorize chat history + latest prompt |
|
||||
| **Ingen invalidation strategy** | Stale responses ved data updates | Implement webhook-based invalidation |
|
||||
|
||||
|
|
@ -236,10 +236,10 @@ Outbound (cache store):
|
|||
<azure-openai-semantic-cache-store duration="60" />
|
||||
```
|
||||
|
||||
**Score Threshold Tuning:**
|
||||
- 0.1-0.2 → Liberal matching, høy hit rate, noe lavere relevance
|
||||
**Score Threshold Tuning** (APIM `score-threshold` er en DISTANSE: lavere = strengere, krever høyere semantisk likhet):
|
||||
- 0.1-0.2 → Strict matching, lavere hit rate, høy relevance
|
||||
- 0.3-0.5 → Balanced, medium hit rate, god relevance
|
||||
- 0.6-0.8 → Strict matching, lav hit rate, høy relevance
|
||||
- 0.6-0.8 → Liberal matching, høyere hit rate, noe lavere relevance
|
||||
|
||||
**Verified** (Microsoft Learn - Enable semantic caching for LLM APIs)
|
||||
|
||||
|
|
@ -416,7 +416,7 @@ cache_key = f"user:{user_id}:tenant:{tenant_id}:query_hash:{hash(prompt)}"
|
|||
|-----------|--------|------------|
|
||||
| **Caching uten context window** | Contextually incorrect responses → user frustration | Vectorize chat history + prompt |
|
||||
| **Global caching av persondata** | GDPR violation, potential bøter | User-scoped keys, TTL enforcement |
|
||||
| **For høy similarity threshold** | Lav hit rate, caching ineffective | Start lavt (0.15), tune opp |
|
||||
| **For lav APIM score-threshold (distanse)** | Lav hit rate, caching ineffective | Start på 0.15, tune opp for løsere matching |
|
||||
| **Ingen invalidation strategy** | Stale data → incorrect LLM responses | Webhook-based invalidation |
|
||||
| **Undersized cache tier** | High eviction rate, lav hit rate | Monitor evictions, scale proaktivt |
|
||||
| **Ignoring embedding overhead** | Latency increase vs direct LLM call | Batch embeddings, use async patterns |
|
||||
|
|
@ -502,7 +502,7 @@ cache_key = f"user:{user_id}:tenant:{tenant_id}:query_hash:{hash(prompt)}"
|
|||
|
||||
**Totalt antall kilder:** 9 unike Microsoft Learn URLer
|
||||
**MCP calls:** 6 (4 docs_search + 2 docs_fetch + 1 code_sample_search)
|
||||
**Sist verifisert:** 2026-02-03
|
||||
**Sist verifisert:** 2026-06-19
|
||||
|
||||
|
||||
### Azure Managed Redis — Arkitektur (oppdatert 2026-04)
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# RAG Context Windows and Long-Context Models
|
||||
|
||||
**Last updated:** 2026-02
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** RAG Architecture & Semantic Search
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# RAG Core Patterns and Architecture
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** RAG Architecture & Semantic Search
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Document Preprocessing and Pipeline Automation
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** RAG Architecture & Semantic Search
|
||||
|
||||
|
|
@ -64,7 +64,8 @@ Skillsets definerer AI-berikning og transformasjoner som skal utføres på dokum
|
|||
| **OCR Skill** | Innebygd | Tekstgjenkjenning fra bilder i dokumenter |
|
||||
| **Document Extraction Skill** | Innebygd | Ekstraherer tekst og bilder fra embedded content (PDF, DOCX) |
|
||||
| **Text Merge Skill** | Innebygd | Slår sammen OCR-output med eksisterende tekst |
|
||||
| **Text Split Skill** | Innebygd | Chunker tekst basert på størrelse eller semantic boundaries |
|
||||
| **Text Split Skill** | Innebygd | Chunker tekst i setninger/sider av en gitt lengde (størrelsesbasert) |
|
||||
| **Azure Content Understanding Skill** | Innebygd | Semantisk, layout-bevisst chunking som respekterer avsnittsgrenser (alternativ til Text Split for integrated vectorization) |
|
||||
| **Document Intelligence Layout Skill** | Innebygd | Kjører Layout-modellen for strukturutvinning |
|
||||
| **Language Detection Skill** | Innebygd | Detekterer språk for språkspesifikk behandling |
|
||||
| **Custom Skills** | Egendefinert | Azure Functions eller web service for custom logic |
|
||||
|
|
@ -738,9 +739,9 @@ Images (JPEG/PNG)?
|
|||
|------|-----|-----------|
|
||||
| Indexer overview | https://learn.microsoft.com/en-us/azure/search/search-indexer-overview | Verified (2026-02) |
|
||||
| Document Intelligence RAG | https://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/concept/retrieval-augmented-generation | Verified (2026-02) |
|
||||
| Skillset concepts | https://learn.microsoft.com/en-us/azure/search/cognitive-search-concept-intro | Verified (2026-02) |
|
||||
| Skillset concepts | https://learn.microsoft.com/en-us/azure/search/cognitive-search-concept-intro | Verified (2026-06-19) |
|
||||
| Image scenarios | https://learn.microsoft.com/en-us/azure/search/cognitive-search-concept-image-scenarios | Verified (2026-02) |
|
||||
| Custom models architecture | https://learn.microsoft.com/en-us/azure/architecture/ai-ml/architecture/build-deploy-custom-models | Verified (2026-02) |
|
||||
| Custom models architecture | https://learn.microsoft.com/en-us/azure/architecture/ai-ml/architecture/build-deploy-custom-models | Verified (2026-06-19) |
|
||||
| Batch Functions OCR | https://learn.microsoft.com/en-us/azure/batch/tutorial-batch-functions | Verified (2026-02) |
|
||||
|
||||
### Kodeeksempler (Verified)
|
||||
|
|
@ -749,7 +750,7 @@ Images (JPEG/PNG)?
|
|||
|----------|-------|-------|-----------|
|
||||
| Skillset med OCR og embedding | HTTP/JSON | https://learn.microsoft.com/en-us/azure/search/tutorial-skillset | Verified (GA API) |
|
||||
| Document Intelligence Layout i RAG | Python | https://github.com/Azure/azure-sdk-for-python/blob/main/sdk/documentintelligence/azure-ai-documentintelligence/samples/ | Verified (2026-02) |
|
||||
| Indexer creation | HTTP/JSON | https://learn.microsoft.com/en-us/azure/search/search-how-to-integrated-vectorization | Verified (2025-09-01 API) |
|
||||
| Indexer creation | HTTP/JSON | https://learn.microsoft.com/en-us/azure/search/search-how-to-integrated-vectorization | Verified (2026-04-01 API, 2026-06-19) |
|
||||
| LangChain integration | Python | https://github.com/microsoft/Form-Recognizer-Toolkit/blob/main/SampleCode/Python/sample_rag_langchain.ipynb | Verified (2026-02) |
|
||||
|
||||
### Norske forhold (Baseline)
|
||||
|
|
@ -778,7 +779,7 @@ Images (JPEG/PNG)?
|
|||
**Konfidensnivå totalt:** 95% Verified (fra MCP), 5% Baseline (norske forhold og priser)
|
||||
|
||||
|
||||
### Kognitiv søk — bildeprosessering (oppdatert 2026-04)
|
||||
### Kognitiv søk — bildeprosessering (oppdatert 2026-06-19)
|
||||
|
||||
Azure AI Search støtter tre tilnærminger til bildeinnhold i RAG:
|
||||
1. **Vektorisering** — Azure Vision genererer bildere presentasjoner som søkbare vektorer
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Iterative RAG and Multi-Turn Refinement
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** RAG Architecture & Semantic Search
|
||||
|
||||
|
|
@ -441,7 +441,7 @@ public async Task ApplyRetentionPolicyAsync()
|
|||
**MCP Research:** microsoft-learn (4 searches, 2 fetches), microsoft-code-samples (1 search)
|
||||
|
||||
|
||||
### .NET AI IChatClient-interface (oppdatert 2026-04)
|
||||
### .NET AI IChatClient-interface (oppdatert 2026-06-19)
|
||||
|
||||
`IChatClient` er .NET-standarden for interaksjon med AI chat services (Microsoft.Extensions.AI). Støtter stateless og stateful samtaler, tool calling, streaming, caching, og OpenTelemetry.
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Query Understanding and Expansion
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** RAG Architecture & Semantic Search
|
||||
|
||||
|
|
@ -260,9 +260,9 @@ intent = json.loads(completion.choices[0].message.content)["category"]
|
|||
**Fuzzy search for typos (innebygd):**
|
||||
|
||||
```http
|
||||
POST https://{search-service}.search.windows.net/indexes/{index-name}/docs/search?api-version=2024-07-01
|
||||
POST https://{search-service}.search.windows.net/indexes/{index-name}/docs/search?api-version=2026-04-01
|
||||
{
|
||||
"search": "Azur AI Serch~2", // ~2 = max 2 edit distance
|
||||
"search": "Azur~ AI~ Serch~", // ~ = fuzzy, default edit distance 2 (max 2, Damerau-Levenshtein); ~1 for 1 edit, ~0 for exact
|
||||
"queryType": "full"
|
||||
}
|
||||
```
|
||||
|
|
@ -544,7 +544,7 @@ Multi-Query RAG med 3 varianter = ~3x søkekostnad + 1 LLM-kall for generering.
|
|||
|
||||
## Kilder og verifisering
|
||||
|
||||
**Microsoft Learn (Verified — hentet via MCP 2026-02):**
|
||||
**Microsoft Learn (Verified — search-query-fuzzy re-verifisert via MCP 2026-06-19):**
|
||||
|
||||
1. [Azure Databricks: Improve RAG chain quality — Query understanding](https://learn.microsoft.com/en-us/azure/databricks/generative-ai/tutorials/ai-cookbook/quality-rag-chain#query-understanding)
|
||||
**Konfidens:** Verified — Multi-step query understanding (intent, entity extraction, rewriting)
|
||||
|
|
@ -578,7 +578,7 @@ Multi-Query RAG med 3 varianter = ~3x søkekostnad + 1 LLM-kall for generering.
|
|||
**Totalt antall kilder:** 7 Microsoft Learn URLer (Verified) + 1 GitHub repo (Verified) = 8 kilder
|
||||
|
||||
|
||||
### Simple Query Syntax for RAG (oppdatert 2026-04)
|
||||
### Simple Query Syntax for RAG (oppdatert 2026-06)
|
||||
|
||||
Azure AI Search simple query syntax er default parser for full-text søk i RAG:
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# RAG Security - RBAC, Filtering, and Access Control
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** Preview (native ACL/RBAC), GA (security filters)
|
||||
**Category:** RAG Architecture & Semantic Search
|
||||
|
||||
|
|
@ -133,7 +133,7 @@ Azure AI Search utfører to-stegs sjekk ved query-tid (for ACL/RBAC-metoder):
|
|||
- Enterprise-scenarier med Entra ID
|
||||
|
||||
**Tekniske krav:**
|
||||
- Preview REST API: `2025-11-01-preview`
|
||||
- Preview REST API: `2026-05-01-preview`
|
||||
- Managed identity på Search service
|
||||
- Role assignment: **Storage Blob Data Reader** (for ADLS Gen2/Blob)
|
||||
|
||||
|
|
@ -524,9 +524,9 @@ Authorization: Bearer <user-token>
|
|||
|
||||
---
|
||||
|
||||
**Sist verifisert mot Microsoft Learn:** 2026-02-03 (via microsoft-learn MCP server)
|
||||
**Sist verifisert mot Microsoft Learn:** 2026-06-19 (via microsoft-learn MCP server)
|
||||
|
||||
**Preview API-versjon:** 2025-11-01-preview (ACL/RBAC, Purview labels, SharePoint ACL)
|
||||
**Preview API-versjon:** 2026-05-01-preview (ACL/RBAC, Purview labels, SharePoint ACL)
|
||||
|
||||
**GA features:** Security filters (alle API-versjoner)
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Semantic Ranker and Reranking Models
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA (core), Preview (query rewrite, prerelease models)
|
||||
**Category:** RAG Architecture & Semantic Search
|
||||
|
||||
|
|
@ -278,7 +278,7 @@ Preview-funksjon (2025) som integrerer iterativ søk med semantic ranking.
|
|||
- Offentlig sektor-anbefalinger basert på norsk kontekst
|
||||
|
||||
|
||||
### Semantic Ranker i Hybrid Search (oppdatert 2026-04)
|
||||
### Semantic Ranker i Hybrid Search (oppdatert 2026-06-19)
|
||||
|
||||
Semantic ranker (L2 reranking) fungerer optimalt i hybrid search-kontekst:
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Vector Indexing - Techniques and Configuration
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA (Hybrid search), Preview (Scalar quantization)
|
||||
**Category:** RAG Architecture & Semantic Search
|
||||
|
||||
|
|
@ -12,7 +12,7 @@ Vektorindeksering er selve motoren bak moderne semantisk søk i RAG-systemer. Me
|
|||
|
||||
I Microsoft-økosystemet er Azure AI Search den primære tjenesten for vektorindeksering, med støtte for Hierarchical Navigable Small World (HNSW) som standard-algoritme, kombinert med hybrid search som blander vector similarity med klassisk BM25 full-text search. For norske organisasjoner som bygger RAG-løsninger er vektorindeksering ofte det området hvor teknisk konfigurering har størst innvirkning på både brukeropplevelse og driftskostnader — feil valg kan føre til unødvendig høy latency, dårlig recall, eller eksploderende lagringskostnader.
|
||||
|
||||
Moderne vektorindeksering handler i økende grad om **hybrid search** — erkjennelsen av at verken keyword-søk eller vector search alene er optimal for alle scenarier. Dokumenter som inneholder eksakte termer (produktkoder, lovparagrafer, telefonnumre) trenger BM25, mens semantiske spørsmål som "hva er bedriftens policy på etikk?" krever vector similarity. Azure AI Search tilbyr innebygd støtte for hybrid search med konfigurerbar vekting, og legger på semantic ranker som et tredje lag for å rerangere resultater basert på Microsoft sitt BERT-baserte modell.
|
||||
Moderne vektorindeksering handler i økende grad om **hybrid search** — erkjennelsen av at verken keyword-søk eller vector search alene er optimal for alle scenarier. Dokumenter som inneholder eksakte termer (produktkoder, lovparagrafer, telefonnumre) trenger BM25, mens semantiske spørsmål som "hva er bedriftens policy på etikk?" krever vector similarity. Azure AI Search tilbyr innebygd støtte for hybrid search med konfigurerbar vekting, og legger på semantic ranker som et tredje lag for å rerangere resultater basert på Microsofts flerspråklige deep learning-modeller (adaptert fra Microsoft Bing).
|
||||
|
||||
## Kjernekomponenter
|
||||
|
||||
|
|
@ -32,7 +32,7 @@ Hybrid search kombinerer tre lag:
|
|||
|
||||
1. **Vector search** — Cosine similarity på embeddings
|
||||
2. **Full-text search (BM25)** — Keyword matching med term frequency
|
||||
3. **Semantic ranker** (optional) — Microsoft's BERT reranking
|
||||
3. **Semantic ranker** (optional) — Microsofts flerspråklige deep learning-reranking (adaptert fra Bing), reranker de øverste 50 resultatene
|
||||
|
||||
```json
|
||||
{
|
||||
|
|
@ -403,16 +403,16 @@ Azure AI Search krever ingen spesifikk Microsoft 365-lisens, men:
|
|||
|
||||
## Kilder og verifisering
|
||||
|
||||
- [Azure AI Search - Vector search concepts](https://learn.microsoft.com/en-us/azure/search/vector-search-overview) — **Verified** (2026-01)
|
||||
- [Azure AI Search - Vector search concepts](https://learn.microsoft.com/en-us/azure/search/vector-search-overview) — **Verified** (2026-06-19)
|
||||
- [Hybrid search in Azure AI Search](https://learn.microsoft.com/en-us/azure/search/hybrid-search-overview) — **Verified** (2026-01)
|
||||
- [Configure vector search algorithms](https://learn.microsoft.com/en-us/azure/search/vector-search-how-to-create-index) — **Verified** (2025-12)
|
||||
- [Azure AI Search pricing](https://azure.microsoft.com/en-us/pricing/details/search/) — **Verified** (2026-02)
|
||||
- [Semantic ranking in Azure AI Search](https://learn.microsoft.com/en-us/azure/search/semantic-search-overview) — **Verified** (2025-11)
|
||||
- [Semantic ranking in Azure AI Search](https://learn.microsoft.com/en-us/azure/search/semantic-search-overview) — **Verified** (2026-06-19)
|
||||
|
||||
**Konfidensnivå:** Verified (90%) — All info basert på offisiell Microsoft-dokumentasjon og prising per feb 2026.
|
||||
|
||||
|
||||
### Vector Indexing i Hybrid Search-kontekst (oppdatert 2026-04)
|
||||
### Vector Indexing i Hybrid Search-kontekst (oppdatert 2026-06-19)
|
||||
|
||||
Vector fields og tekstfelt coeksisterer i hybrid search-indekser:
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Monitoring and Alerting for Failover Detection
|
||||
|
||||
**Last updated:** 2026-04
|
||||
**Last updated:** 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Business Continuity & Disaster Recovery
|
||||
|
||||
|
|
@ -414,7 +414,7 @@ def main(req: func.HttpRequest) -> func.HttpResponse:
|
|||
|
||||
|
||||
|
||||
## Application Insights for AI-agenter i BCDR-kontekst *(Verified MCP 2026-04)*
|
||||
## Application Insights for AI-agenter i BCDR-kontekst *(Verified MCP 2026-06-19)*
|
||||
|
||||
Azure Monitor Application Insights tilbyr nå dedikert støtte for AI-agenter via **Agent details view**, som er kritisk for failover-deteksjon i agent-baserte AI-systemer.
|
||||
|
||||
|
|
@ -427,7 +427,7 @@ Azure Monitor Application Insights tilbyr nå dedikert støtte for AI-agenter vi
|
|||
| **Live metrics** | Sanntids health under failover-scenarier |
|
||||
| **Availability tests** | Automatisk helsesjekk av agent-endepunkter |
|
||||
|
||||
### Instrumenteringsveiledning per agent-plattform (Verified MCP 2026-04)
|
||||
### Instrumenteringsveiledning per agent-plattform (Verified MCP 2026-06-19)
|
||||
|
||||
- **Azure AI Foundry-agenter:** Start med [tracing setup i Foundry](https://learn.microsoft.com/azure/foundry/observability/how-to/trace-agent-setup). Koble Application Insights til Foundry-prosjektet for automatisk tracing. Kan også bruke Azure Monitor OpenTelemetry Distro med Foundry SDK.
|
||||
- **Copilot Studio-agenter:** Konfigurer built-in telemetri-eksport til App Insights via innstillinger i Copilot Studio.
|
||||
|
|
@ -440,9 +440,9 @@ Azure Monitor Application Insights tilbyr nå dedikert støtte for AI-agenter vi
|
|||
|
||||
- [Monitor Azure OpenAI](https://learn.microsoft.com/en-us/azure/foundry-classic/openai/how-to/monitor-openai) — OpenAI monitoring og alerting
|
||||
- [Monitor Azure AI Search](https://learn.microsoft.com/en-us/azure/search/monitor-azure-cognitive-search) — AI Search monitoring
|
||||
- [Azure Monitor alerts overview](https://learn.microsoft.com/en-us/azure/azure-monitor/alerts/alerts-overview) — Alert-rammeverk *(Verified MCP 2026-04)* — Stateful vs. stateless alerts. **Simple Log Search Alerts** (GA) for per-row KQL evaluering — raskere varsling enn tradisjonelle log alerts. **Query-based metric alerts** for Prometheus/OTel (public preview). Alerts stored 30 dager. Fired instances er read-only. Alert processing rules for suppression ved planlagt vedlikehold. **Azure Monitor Baseline Alerts** (`aka.ms/amba`) for policy-basert alerting i skala via Azure Policy.
|
||||
- [Azure Monitor alerts overview](https://learn.microsoft.com/en-us/azure/azure-monitor/alerts/alerts-overview) — Alert-rammeverk *(Verified MCP 2026-06-19)* — Stateful vs. stateless alerts. **Simple Log Search Alerts** (GA) for per-row KQL evaluering — raskere varsling enn tradisjonelle log alerts. **Query-based metric alerts** for Prometheus/OTel (public preview). Alerts stored 30 dager. Fired instances er read-only. Alert processing rules for suppression ved planlagt vedlikehold. **Azure Monitor Baseline Alerts** (`aka.ms/amba`) for policy-basert alerting i skala via Azure Policy.
|
||||
- [Health modeling and observability of mission-critical workloads](https://learn.microsoft.com/en-us/azure/well-architected/mission-critical/mission-critical-health-modeling) — Health modeling
|
||||
- [Application Insights overview](https://learn.microsoft.com/en-us/azure/azure-monitor/app/app-insights-overview) — APM for applikasjoner *(Verified MCP 2026-04)* — OpenTelemetry (OTel) er primær instrumentering. AI-agenter støttes via Agents-tab i getting started. Azure Functions støtter OTel via `"telemetryMode": "OpenTelemetry"` i `host.json`. Nye views: **Agent details view** (Foundry, Copilot Studio, tredjeparts), **SDK Stats** (exporter success/drop metrics), **Dashboards with Grafana** (direkte i Azure portal). Evaluations: batch (local/cloud/portal) og continuous (produksjonstraffic). Classic API SDKs migreres til OTel — se migrasjonsveiledning. Fired alert instances er nå read-only (kan ikke editeres etter at de er trigget).
|
||||
- [Application Insights overview](https://learn.microsoft.com/en-us/azure/azure-monitor/app/app-insights-overview) — APM for applikasjoner *(Verified MCP 2026-06-19)* — OpenTelemetry (OTel) er primær instrumentering. AI-agenter støttes via Agents-tab i getting started. Azure Functions støtter OTel via `"telemetryMode": "OpenTelemetry"` i `host.json`. Nye views: **Agent details view** (Foundry, Copilot Studio, tredjeparts), **SDK Stats** (exporter success/drop metrics), **Dashboards with Grafana** (direkte i Azure portal). Evaluations: batch (local/cloud/portal) og continuous (produksjonstraffic). Classic API SDKs migreres til OTel — se migrasjonsveiledning. Fired alert instances er nå read-only (kan ikke editeres etter at de er trigget).
|
||||
- [Azure Service Health](https://learn.microsoft.com/en-us/azure/service-health/overview) — Azure-tjenestestatus
|
||||
|
||||
## For Cosmo
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Connection Pooling Patterns
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Performance & Scalability
|
||||
|
||||
|
|
@ -315,7 +315,7 @@ class ConnectionPoolLoadBalancer:
|
|||
```
|
||||
|
||||
|
||||
## Azure API Management som Connection Pooling-lag (oppdatert 2026-04)
|
||||
## Azure API Management som Connection Pooling-lag (oppdatert 2026-06-19)
|
||||
|
||||
APIM håndterer backend connection pooling mot Azure OpenAI, noe som avlaster klientsiden:
|
||||
|
||||
|
|
@ -389,7 +389,7 @@ Connection pooling har spesielle hensyn for norsk offentlig sektor:
|
|||
- [Guidelines for using HttpClient](https://learn.microsoft.com/dotnet/fundamentals/networking/http/httpclient-guidelines) — HttpClient best practices
|
||||
- [Pool HTTP connections with HttpClientFactory](https://learn.microsoft.com/aspnet/core/performance/performance-best-practices) — ASP.NET performance
|
||||
- [Manage connections in Azure Functions](https://learn.microsoft.com/azure/azure-functions/manage-connections) — Serverless connection management
|
||||
- [Use a gateway in front of multiple Azure OpenAI deployments or instances](https://learn.microsoft.com/azure/architecture/ai-ml/guide/azure-openai-gateway-multi-backend) — Multi-backend gateway patterns (Azure OpenAI i Foundry Models) — Verified (MCP 2026-04)
|
||||
- [Use a gateway in front of multiple Azure OpenAI deployments or instances](https://learn.microsoft.com/azure/architecture/ai-ml/guide/azure-openai-gateway-multi-backend) — Multi-backend gateway patterns (Azure OpenAI i Foundry Models) — Verified (MCP 2026-06-19)
|
||||
|
||||
## For Cosmo
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Prompt Caching for Performance
|
||||
|
||||
**Last updated:** 2026-02
|
||||
**Last updated:** 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Performance & Scalability
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Rate Limit Management
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Performance & Scalability
|
||||
|
||||
|
|
@ -399,13 +399,13 @@ AzureMetrics
|
|||
```
|
||||
|
||||
|
||||
## Gateway Multi-Backend som Rate Limit-strategi (oppdatert 2026-04)
|
||||
## Gateway Multi-Backend som Rate Limit-strategi (oppdatert 2026-06-19)
|
||||
|
||||
Microsoft dokumenterer multi-backend gateway som den anbefalte arkitekturmønsteret for rate limit management — primært via Azure API Management:
|
||||
|
||||
### Anbefalte topologier for rate limit-distribusjon
|
||||
|
||||
> **Viktig:** Standard-kvote er subscription-nivå, ikke Azure OpenAI-instansnivå. Load balancing mellom standard-instanser i samme subscription gir IKKE høyere gjennomstrømning — bruk separate subscriptions eller global/data zone deployments for reell kvoteutvidelse. — Verified (MCP 2026-04)
|
||||
> **Viktig:** Standard-kvote er subscription-nivå, ikke Azure OpenAI-instansnivå. Load balancing mellom standard-instanser i samme subscription gir IKKE høyere gjennomstrømning — bruk separate subscriptions eller global/data zone deployments for reell kvoteutvidelse. — Verified (MCP 2026-06-19)
|
||||
|
||||
| Topologi | Kvote-kapasitet | Kompleksitet | Anbefalt for |
|
||||
|----------|----------------|--------------|------------|
|
||||
|
|
@ -477,7 +477,7 @@ Microsoft dokumenterer multi-backend gateway som den anbefalte arkitekturmønste
|
|||
- [Manage Azure OpenAI quota](https://learn.microsoft.com/azure/foundry-classic/openai/how-to/quota) — Kvotehåndtering
|
||||
- [Azure OpenAI quotas and limits](https://learn.microsoft.com/azure/foundry/openai/quotas-limits) — Grenser per modell
|
||||
- [Azure OpenAI SDK retry handling](https://learn.microsoft.com/azure/foundry/openai/supported-languages) — SDK retry-konfigurasjon
|
||||
- [Use a gateway in front of multiple Azure OpenAI deployments or instances](https://learn.microsoft.com/azure/architecture/ai-ml/guide/azure-openai-gateway-multi-backend) — Multi-region gateway (Azure OpenAI i Foundry Models) — Verified (MCP 2026-04)
|
||||
- [Use a gateway in front of multiple Azure OpenAI deployments or instances](https://learn.microsoft.com/azure/architecture/ai-ml/guide/azure-openai-gateway-multi-backend) — Multi-region gateway (Azure OpenAI i Foundry Models) — Verified (MCP 2026-06-19)
|
||||
|
||||
## For Cosmo
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Regional Deployment for Latency Reduction
|
||||
|
||||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Performance & Scalability
|
||||
|
||||
|
|
@ -28,7 +28,7 @@ Latensforskjellen mellom regioner kan være betydelig: en forespørsel fra Oslo
|
|||
|
||||
### Deployment-typer og regionvalg
|
||||
|
||||
> **Anbefaling (Verified MCP 2026-04):** Hvis du ikke trenger å begrense databehandling til én bestemt region, bruk **Global** eller **Data Zone**-deployments for å utnytte Azures globale infrastruktur til dynamisk ruting til datasentre med ledig kapasitet — fremfor å bygge kompleks multi-region gateway-logikk.
|
||||
> **Anbefaling (Verified MCP 2026-06-19):** Hvis du ikke trenger å begrense databehandling til én bestemt region, bruk **Global** eller **Data Zone**-deployments for å utnytte Azures globale infrastruktur til dynamisk ruting til datasentre med ledig kapasitet — fremfor å bygge kompleks multi-region gateway-logikk.
|
||||
|
||||
| Deployment Type | Data Location | Routing | Bruksområde |
|
||||
|----------------|---------------|---------|-------------|
|
||||
|
|
@ -309,13 +309,13 @@ class MultiRegionHealthChecker:
|
|||
| Metadata i EU | Nei | Ja | Ja |
|
||||
|
||||
|
||||
## Azure Front Door — oppdatert (2026-04)
|
||||
## Azure Front Door — oppdatert (2026-06-19)
|
||||
|
||||
### Edge-lokasjoner og kapabiliteter
|
||||
|
||||
Azure Front Door har **118+ edge-lokasjoner** globalt (bekreftet 2026-04). Premium-tier støtter:
|
||||
Azure Front Door har **118+ edge-lokasjoner** på tvers av 100+ metroområder globalt (bekreftet 2026-06-19). Premium-tier støtter:
|
||||
- **Private Link til origins**: Front Door Premium kan rute trafikk til Azure OpenAI via Private Link — ingen offentlig eksponering av backend
|
||||
- **WAF-regler**: Innebygd Web Application Firewall med OpenAI-spesifikke regler
|
||||
- **WAF-regler**: Innebygd Web Application Firewall (managed rule sets, bot manager) foran backend
|
||||
|
||||
```bash
|
||||
# Front Door Premium med Private Link til Azure OpenAI
|
||||
|
|
@ -336,14 +336,14 @@ az afd origin create \
|
|||
--private-link-sub-resource-type account
|
||||
```
|
||||
|
||||
## Gateway Multi-Backend — 4 topologier (oppdatert 2026-04)
|
||||
## Gateway Multi-Backend — 4 topologier (oppdatert 2026-06-19)
|
||||
|
||||
Microsoft dokumenterer nå fire formelle topologier for Azure OpenAI gateway:
|
||||
|
||||
| Topologi | Beskrivelse | Bruksscenario |
|
||||
|----------|-------------|---------------|
|
||||
| Single APIM instance | Én APIM mot én Azure OpenAI | Enkel arkitektur, lav kompleksitet |
|
||||
| Single region, multiple backends | Én region, flere Azure OpenAI-instanser | Load balancing og failover |
|
||||
| Multiple model deployments, single instance | Flere modell-deployments i én instans | Modellversjoner, blue-green, per-tenant kvoter |
|
||||
| Single region, multiple instances | Én region, flere Azure OpenAI-instanser | Load balancing og failover |
|
||||
| Single region, multiple subscriptions | Kvote-utvidelse via flere Azure-subscriptions | Høy TPM-kvote krav |
|
||||
| Multiple regions | APIM i flere regioner, globalt | Global distribusjon, data residency |
|
||||
|
||||
|
|
@ -396,7 +396,7 @@ Microsoft dokumenterer nå fire formelle topologier for Azure OpenAI gateway:
|
|||
|
||||
## Referanser
|
||||
|
||||
- [Use a gateway in front of multiple Azure OpenAI deployments or instances](https://learn.microsoft.com/azure/architecture/ai-ml/guide/azure-openai-gateway-multi-backend) — Multi-region patterns (Azure OpenAI i Foundry Models) — Verified (MCP 2026-04)
|
||||
- [Use a gateway in front of multiple Azure OpenAI deployments or instances](https://learn.microsoft.com/azure/architecture/ai-ml/guide/azure-openai-gateway-multi-backend) — Multi-region patterns (Azure OpenAI i Foundry Models) — Verified (MCP 2026-06-19)
|
||||
- [Azure Front Door](https://learn.microsoft.com/azure/frontdoor/front-door-overview) — Global load balancing
|
||||
- [APIM multi-region deployment](https://learn.microsoft.com/azure/api-management/api-management-howto-deploy-multi-region) — Regional gateway
|
||||
- [Azure OpenAI deployment types](https://learn.microsoft.com/azure/foundry/foundry-models/concepts/deployment-types) — Global vs Regional
|
||||
|
|
|
|||
Loading…
Add table
Add a link
Reference in a new issue