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
|
|
@ -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
|
||||
|
||||
---
|
||||
|
||||
|
|
|
|||
Loading…
Add table
Add a link
Reference in a new issue