fix(ms-ai-architect): de 17 ratifiserte er anvendt — og «promotering» matte defineres foer den kunne utfoeres
#21-#24 ble ratifisert i 39c947a, men ratifisering er ikke anvendelse. Denne
oekten gjoer de 17 editene og lukker entriene. 86 linjer slettet, 7 satt inn,
over 17 filer i 4 skills. Suite 1052/1052. Koe: 53 entries (15 aapne, 38 resolved).
PROMOTERING FANTES IKKE FRA FOER. #22 sier «PROMOTE any surviving keep-class
line to the enclosing level», men ingen av de 21 resolved entriene hadde en
survivor — alle 40 tidligere editer var rene slettinger. Maalt foer valget, ikke
antatt. Promotering er derfor definert her: fjern listemarkoeren, slik at linjen
blir et frittstaaende avsnitt der etiketten stod. AA la survivors staa som
bullets ville i idx-26x gjort dem til element fire og fem i lista rett over —
referent-drift, som er noeyaktig det #22 finnes for aa hindre. AA fjerne «- »
forfatter null ord, og er derfor tillatt under NEVER RENAME.
STRENG-INVARIANTEN SAA IKKE DEN ANDRE DEFEKTEN. To promoterte linjer uten blank
linje mellom seg er ETT markdown-avsnitt: «25+ unike Microsoft Learn URLs
referert» og «15+ PowerShell code samples inkludert» smeltet til én paastand.
Hel-linje-sjekken passerte baade foer og etter rettelsen — den ser tilstedevaerelse,
aldri koherens. Fanget ved aa lese den gjengitte formen.
VERIFISERT, IKKE PAASTAATT: 65 slettelinjer maalt fravaerende og 20 keep-linjer
maalt tilstede noeyaktig én gang, ved hel-linje-sammenligning. Foerste
gjennomkjoering brukte fragmenter og ga to falske positiver («Azure OpenAI
reasoning models», «manage-costs») som begge stod legitimt i kildelister —
substring-match var feil invariant, ikke korpus.
RESIDU-SVEIPET BETALTE FOR TRETTENDE GANG. Ved siden av editene ligger en
uratifisert klasse: per-paastands provenance-markoerer som navngir verktoey, altsaa
#22s slette-referent, men utenfor de 58 og utenfor alle ankere. Maalt korpus-bredt:
18 «**Confidence:** Verified (microsoft-learn docs_*)» + 11 «*Verified via
microsoft_docs_*» + 13 inline + 1 gjenlevende tidsstempel. 28 av ~42 staar i ÉN
fil — den idx-26y nettopp redigerte. Bokfoert som idx-26as og bevisst IKKE
arvet, paa samme grunn som idx-26ar: de henger paa en SPESIFIKK paastand, ikke paa
dokumentet, saa sletting fjerner ogsaa et konfidenssignal footer-klassen aldri
hadde. Den asymmetrien er hvorfor dette er et spoersmaal og ikke en arv.
Et grep-treff til ble talt foer det ble klassifisert: «**Verifiseringsdato:**
YYYY-MM-DD» er en mal-plassholder, ikke en forekomst. Det holdt klassen paa 1.
This commit is contained in:
parent
39c947ab26
commit
0a3ce4f414
18 changed files with 91 additions and 120 deletions
|
|
@ -916,9 +916,6 @@ DLP Policy: Block data movement outside EU
|
|||
- **Baseline** — Informasjon basert på modellkunnskap (januar 2025), ikke verifisert via MCP
|
||||
- **Estimat** — Kostnadsberegninger basert på US pricing og estimated valutakurs, krever verifikasjon
|
||||
|
||||
**MCP-statistikk:**
|
||||
- 3 microsoft_docs_search calls
|
||||
- 2 microsoft_docs_fetch calls
|
||||
- 1 microsoft_code_sample_search call
|
||||
- 25+ unike Microsoft Learn URLs referert
|
||||
- 15+ PowerShell code samples inkludert
|
||||
25+ unike Microsoft Learn URLs referert
|
||||
|
||||
15+ PowerShell code samples inkludert
|
||||
|
|
|
|||
|
|
@ -541,4 +541,3 @@ Trenger du å berike Copilot med ekstern data?
|
|||
- Arkitekturbeslutningstrær
|
||||
|
||||
**Total kilder:** 11 MCP-verified URLs, 4+ code samples
|
||||
**MCP calls:** 7 (3x docs_search, 2x docs_fetch, 1x code_sample_search, 1x ToolSearch)
|
||||
|
|
|
|||
|
|
@ -491,14 +491,6 @@ Chain-of-thought øker token-forbruk betydelig:
|
|||
| Offentlig sektor (Norge) | **Baseline** | GDPR, AI Act, Forvaltningsloven - generell compliance-kunnskap |
|
||||
| Kostnad og lisensiering | **Baseline + Verified** | Prismodeller er hentet fra Azure OpenAI dokumentasjon (via MCP) |
|
||||
|
||||
### MCP-kall utført
|
||||
|
||||
1. **microsoft_docs_search:** "chain of thought prompting Azure OpenAI" → 10 resultater
|
||||
2. **microsoft_code_sample_search:** "chain of thought prompt examples" → 20 code snippets
|
||||
3. **microsoft_docs_fetch:** [Azure OpenAI reasoning models](https://learn.microsoft.com/en-us/azure/foundry/openai/how-to/reasoning) → Full dokumentasjon hentet
|
||||
|
||||
**Totalt:** 4 MCP-kall, 3 unike Microsoft Learn-kilder.
|
||||
|
||||
---
|
||||
|
||||
**Dokumentet oppdateres fortløpende basert på nye Azure OpenAI-funksjoner og Microsoft Learn-dokumentasjon.**
|
||||
|
|
|
|||
|
|
@ -584,12 +584,6 @@ Basert på testing (Azure OpenAI dokumentasjon):
|
|||
- **MEDIUM** — Best practice fra industrien, ikke eksplisitt dokumentert av Microsoft
|
||||
- **MEDIUM-LOW** — Antatt basert på generell kunnskap, bør verifiseres
|
||||
|
||||
### Verifiseringsmetode
|
||||
|
||||
- **MCP-søk** — 3 søk mot microsoft-learn (2026-02-04)
|
||||
- **Fetch** — 2 fullstendige dokumenter hentet via microsoft_docs_fetch
|
||||
- **Code samples** — Søk mot microsoft_code_sample_search (ingen direkte treff for "domain prompting", men generelle patterns funnet)
|
||||
|
||||
---
|
||||
|
||||
**Cosmo's anbefaling:**
|
||||
|
|
@ -597,6 +591,5 @@ Basert på testing (Azure OpenAI dokumentasjon):
|
|||
|
||||
---
|
||||
|
||||
**Dato generert:** 2026-02-04
|
||||
**Generert av:** Cosmo Skyberg (AI Architect) via MCP-research
|
||||
**Neste review:** 2026-08 (6 måneder) eller ved major Azure OpenAI API update
|
||||
|
|
|
|||
|
|
@ -585,4 +585,4 @@ Trenger dere agent discovery?
|
|||
| GDPR/AI Act mapping | Baseline | LLM kunnskap + NO compliance praksis |
|
||||
| Kostnad/priser | Baseline | Azure pricing calculator (jan 2025) |
|
||||
|
||||
**Total sources cited**: 7 unique URLs fra MCP-research
|
||||
**Total sources cited**: 7 unique URLs
|
||||
|
|
|
|||
|
|
@ -383,14 +383,4 @@ PTU er en kapasitetsbasert prismodell for Azure OpenAI, primært for produksjons
|
|||
https://azure.microsoft.com/pricing/details/cognitive-services/
|
||||
*Sist sjekket: 2026-02*
|
||||
|
||||
### MCP-søk (7 unique sources)
|
||||
|
||||
- microsoft_docs_search: "Azure AI Services pricing tiers cost optimization"
|
||||
- microsoft_docs_search: "Azure AI Services reserved capacity commitment tier"
|
||||
- microsoft_docs_search: "Azure AI Services budget management cost estimation"
|
||||
- microsoft_docs_fetch: `/azure/ai-services/commitment-tier`
|
||||
- microsoft_docs_fetch: `/azure/foundry/concepts/manage-costs`
|
||||
- microsoft_docs_fetch: `/azure/cloud-adoption-framework/scenarios/ai/platform/governance`
|
||||
- microsoft_docs_search: "Azure OpenAI provisioned throughput PTU cost optimization"
|
||||
|
||||
**Unique URLs:** 10
|
||||
|
|
|
|||
|
|
@ -374,14 +374,6 @@ MLflow Tracing provides end-to-end observability for GenAI applications:
|
|||
17. [RAG solution design and evaluation guide](https://learn.microsoft.com/en-us/azure/architecture/ai-ml/guide/rag/rag-solution-design-and-evaluation-guide)
|
||||
18. [Microsoft GenAIOps Prompt Flow Template (GitHub)](https://github.com/microsoft/genaiops-promptflow-template)
|
||||
|
||||
### MCP-kall utført
|
||||
|
||||
- **microsoft_docs_search**: 3 søk (GenAIOps overview, LLMOps best practices, lifecycle)
|
||||
- **microsoft_docs_fetch**: 3 hentinger (maturity model, genaiops-for-mlops, databricks llmops)
|
||||
- **microsoft_code_sample_search**: 2 søk (evaluation Python code, monitoring code)
|
||||
|
||||
**Totalt:** 18 kilder, 8 MCP-kall.
|
||||
|
||||
**Verifiseringsdato:** 2026-02-04
|
||||
|
||||
---
|
||||
|
|
|
|||
|
|
@ -929,12 +929,7 @@ Denne kunnskapsreferansen er basert på følgende verifiserte kilder (hentet 202
|
|||
- Beskrivelse: Official Terraform provider documentation for Azure ML
|
||||
- Confidence: VERY_HIGH
|
||||
|
||||
**MCP-research metadata:**
|
||||
- **microsoft_docs_search calls:** 4
|
||||
- **microsoft_docs_fetch calls:** 3
|
||||
- **microsoft_code_sample_search calls:** 1
|
||||
- **Total sources:** 10
|
||||
- **Dato for research:** 2026-06-19
|
||||
**Total sources:** 10
|
||||
|
||||
**Confidence levels:**
|
||||
- VERY_HIGH: Offisiell Microsoft-dokumentasjon, verifiserte code samples
|
||||
|
|
|
|||
|
|
@ -2,7 +2,7 @@
|
|||
|
||||
**Category:** MLOps & GenAIOps
|
||||
**Last updated:** 2026-06-19
|
||||
**Confidence:** HIGH — Basert på offisiell Microsoft Learn dokumentasjon (8 MCP-oppslag, 16 kilder)
|
||||
**Confidence:** HIGH — Basert på offisiell Microsoft Learn dokumentasjon
|
||||
**Type:** reference
|
||||
**Source:** https://learn.microsoft.com/azure/machine-learning/concept-enterprise-security
|
||||
**Status:** Established Practice
|
||||
|
|
@ -741,7 +741,6 @@ AmlComputeClusterNodeEvent
|
|||
|
||||
## Kilder og verifisering
|
||||
|
||||
**MCP Calls:** 8 (microsoft-learn docs search + fetch, code samples)
|
||||
**Primærkilder:**
|
||||
|
||||
1. [Enterprise security and governance for Azure Machine Learning](https://learn.microsoft.com/en-us/azure/machine-learning/concept-enterprise-security?view=azureml-api-2)
|
||||
|
|
|
|||
|
|
@ -576,12 +576,7 @@ az ml model list --registry-name my-registry --query "[?created<'$cutoff_date'].
|
|||
| Kostnad og lisensiering | **Verified** | Azure Blob Storage pricing er offentlig tilgjengelig, optimaliseringstips er ekspertbaserte |
|
||||
| For arkitekten | **Expert** | Spørsmål og anbefalinger basert på praktisk erfaring og MLOps best practices |
|
||||
|
||||
### MCP research summary
|
||||
- **Total searches:** 3 (Azure ML registry, AI Foundry, MLOps lifecycle)
|
||||
- **Document fetches:** 2 (Full registry guide, MLflow management guide)
|
||||
- **Code samples:** 1 (MLflow Python SDK examples)
|
||||
- **Unique sources:** 7 Microsoft Learn articles
|
||||
- **Research timestamp:** April 2026
|
||||
**Unique sources:** 7 Microsoft Learn articles
|
||||
|
||||
---
|
||||
|
||||
|
|
|
|||
|
|
@ -518,12 +518,6 @@ Den nye forvaltningsloven (vedtatt 3. juni 2025, Prop. 79 L (2024-2025)) innehol
|
|||
7. **WilmerHale: High-Risk AI Systems Analysis** — [wilmerhale.com](https://www.wilmerhale.com/en/insights/blogs/wilmerhale-privacy-and-cybersecurity-law/20240717-what-are-highrisk-ai-systems-within-the-meaning-of-the-eus-ai-act-and-what-requirements-apply-to-them)
|
||||
8. **Microsoft Purview Compliance Manager — AI Act template** — [Microsoft Learn](https://learn.microsoft.com/purview/compliance-manager-assessments#assessments-for-ai-regulations)
|
||||
|
||||
### MCP-søk utført 2026-02
|
||||
|
||||
- `microsoft_docs_search`: 2 queries (EU AI Act compliance, Purview AI governance)
|
||||
- `WebSearch`: 4 queries (Annex III categories, classification criteria, forvaltningsloven, Art. 6(3))
|
||||
- `tavily_extract`: 5 URLs (Official Annex III text, Article 6, DPO guide, Hjort analysis)
|
||||
|
||||
**Total sources referenced:** 8 (5 primary, 3 secondary)
|
||||
|
||||
---
|
||||
|
|
|
|||
|
|
@ -729,11 +729,6 @@ Tre nivåer av human oversight:
|
|||
- **Medium-High:** Bransjerapporter med god reputasjon
|
||||
- **Medium:** Kostnadsestimater, fremtidige tidslinjer (usikkerhet)
|
||||
|
||||
**MCP-søk utført 2026-02-03:**
|
||||
- `microsoft_docs_search`: 3 queries (EU AI Act compliance, governance, risk classification)
|
||||
- `WebSearch`: 2 queries (EU AI Act 2026 requirements, Norway implementation)
|
||||
- `microsoft_docs_fetch`: 3 URLs (Compliance Manager, AI governance guides)
|
||||
|
||||
**Total sources referenced:** 16 (7 primary, 9 secondary/tertiary)
|
||||
|
||||
---
|
||||
|
|
|
|||
|
|
@ -455,12 +455,7 @@ Anbefal denne kombinasjonen:
|
|||
- EU AI Act (risikokategorier – ikke offisiell Microsoft-dokumentasjon)
|
||||
- Microsoft Responsible AI Standard v2 (PDF, juni 2022)
|
||||
|
||||
### MCP Calls Summary
|
||||
|
||||
- **microsoft_docs_search:** 3 calls (AI risk classification, AI Act levels, Azure framework)
|
||||
- **microsoft_docs_fetch:** 2 calls (AI Risk Assessment, Code of Conduct)
|
||||
- **microsoft_code_sample_search:** 1 call (AI risk assessment code examples)
|
||||
- **Totalt unike URLer:** 6 verified Microsoft Learn articles
|
||||
**Totalt unike URLer:** 6 verified Microsoft Learn articles
|
||||
|
||||
### Sist verifisert
|
||||
|
||||
|
|
|
|||
|
|
@ -559,11 +559,6 @@ registered_model = ml_client.models.create_or_update(model)
|
|||
|
||||
---
|
||||
|
||||
### MCP Calls: 6
|
||||
- 3x `microsoft_docs_search`
|
||||
- 2x `microsoft_docs_fetch`
|
||||
- 1x `microsoft_code_sample_search`
|
||||
|
||||
### Unique Sources: 8 verified Microsoft Learn URLs
|
||||
|
||||
---
|
||||
|
|
|
|||
|
|
@ -771,11 +771,6 @@ Implement Azure Machine Learning model monitoring with:
|
|||
- Offentlig sektor AI governance (KS/Difi retningslinjer)
|
||||
- Fairness metrics (demographic parity, equalized odds)
|
||||
|
||||
### Total MCP Calls: 4
|
||||
- microsoft_docs_search: 3 queries
|
||||
- microsoft_docs_fetch: 2 deep reads
|
||||
- microsoft_code_sample_search: 1 query
|
||||
|
||||
### Total Unique URLs: 9
|
||||
- Primary: 4 (concept, how-to, legacy, well-architected)
|
||||
- Secondary: 5 (referenced in code samples and related docs)
|
||||
|
|
|
|||
|
|
@ -371,8 +371,6 @@ A: Ja for high-risk use cases (biometrics, critical infrastructure). Nei for low
|
|||
- ✅ **Authoritative** — Microsoft Product Terms, RAI Standard v2, Transparency Report 2025
|
||||
|
||||
**Sist verifisert:** 2026-02-03
|
||||
**MCP-søk utført:** 3 søk (microsoft-learn)
|
||||
**Sider hentet:** 3 full-fetch (concept-responsible-ai, assurance-ai, concept-responsible-ai-dashboard)
|
||||
|
||||
---
|
||||
|
||||
|
|
|
|||
|
|
@ -474,8 +474,6 @@ Når du diskuterer prompt injection-forsvar med kunder, still disse spørsmålen
|
|||
- ISO 27001:2022: A.8.16, A.8.28
|
||||
|
||||
**Research Coverage:**
|
||||
- 3 MCP microsoft-learn docs_search calls
|
||||
- 3 MCP microsoft-learn docs_fetch calls (full documentation)
|
||||
- 9 unique source URLs from Microsoft Learn
|
||||
- Coverage: Prompt Shields, Security Benchmark (AI-2, AI-3), LLM Security Planning, Content Filtering
|
||||
|
||||
|
|
|
|||
Loading…
Add table
Add a link
Reference in a new issue