refactor(ms-ai-architect): R13b — nøytraliser de mekaniske persona-forekomstene utenfor headinger, etter at ordrens egen korrigerte bøttegrense ble målt usann

Ordren ba meg behandle sitt eget premiss som et premiss: «PM-ens 87/45 er korrigert
til 85/47 ved maaling ... Behandle ogsaa 85/47 som et premiss og re-maal det foer du
bygger.» Re-målt over de 389 ref-filene holder 85/47 heller ikke — og feilen ligger i
KLASSIFIKATOREN, ikke i tellingen. Summen 132 står; fordelingen er 62/70.

TRE FUNN, alle pinnet i test:

1. FJORTEN bold-etiketter er DIALOG-ATTRIBUSJONER, ikke etiketter. Dialog-bøtta
   matchet bare kursivformen `*Cosmo:*`. Fetformen står foran sitert tale —
   `**Naar kunden sier:** "..."` / `**Cosmo svarer:** "..."` — så å slette den
   etterlater replikken uten taler. Redaksjonelt, ikke mekanisk.
2. TI tabellceller er PROVENIENSPÅSTANDER i kildekvalitets-kolonnen. Celleposisjon
   deler de 26 tabellforekomstene i tre klasser, ikke én: 12 radetiketter (kolonne 0),
   4 kolonneoverskrifter, 10 proveniensverdier (`Moenstre er Cosmo-design`,
   `Raadgivende innhold basert paa Cosmo-persona`). Å skrive om en av dem er å avgi en
   ny påstand om hvor innholdet kommer fra, og den siste har ikke noe slettemål i det
   hele tatt. Seks av ordrens ni sammensetninger ligger helt inne i denne klassen —
   ordrens egen advarsel traff, målingen lokaliserte den.
3. Lekkasje ANDRE veien, +1 mekanisk: `- **For arkitekten (Cosmo):** ...` i
   reasoning-models-o1-o3-optimization.md:549 er nøyaktig målklassen, men et
   linjestart-forankret nett ser den ikke bak `- ` og bokførte den som prosa.

Operatøren ratifiserte 2026-09-15 alt. A: kjør de 62, hold dialog og proveniens for
R14. Begge tilbakeholdte klasser henger på #R14-persona-ramme som aldri er besvart;
de 62 gjør ikke det, fordi R13 ALT har kjørt `For Cosmo` -> `For arkitekten` over 401
headinger — dette gjør bare etiketter og tabellrader konsistente med en beslutning
som allerede er utført.

UTFØRT: 62 forekomster i 50 filer (ordren sa 47) — 46 etiketter i 16 ratifiserte
varianter, 16 celler i 4. Diffen er 62 fjernet = 62 lagt til, ren in-place-erstatning;
hver endret linje klassifisert, ANNET = 0. Ingen måltekst innfører et ord kilden ikke
hadde, utover R13s sanksjonerte `arkitekten` (samme invariant-test, gjenbrukt).

GATEN, DEKOMPONERT I TRE KLAUSULER, hver validert BEGGE veier før den ble konsumert:
  R1 REFERENT      mekaniske sites 62 -> 0, produkt 451 uendret.
                   Kjent-pos: `**For Cosmo:**` OG `| Cosmos raad |` (genitiven er den
                   et bold-only nett mister) feller begge. Kjent-neg:
                   `**Cosmos DB-anbefaling:**` — ser ut som persona, er produkt —
                   og `| Azure Cosmos DB |` passerer urørt.
  R2 REKKEVIDDE    0 umålte varianter, 0 utenfor rekkevidde. Kjent-pos: en ukjent
                   etikettform rapporteres som umålt OG transformen KASTER, den
                   hopper ikke stille over. Kjent-neg: dialog + proveniens bokføres
                   utenfor scope og er byte-identiske.
  R3 HVA SOM STÅR  16 redaksjonelle etiketter + 10 celler uendret, heading/TOC
                   fortsatt 0 (R13 ikke regradert), prosa 132 -> 70. Kjent-pos: et
                   fjernet tegn i `Cosmos DB` feller produkt-differansen. Kjent-neg:
                   alle kun-produkt-filer byte-identiske gjennom transformen.

Gaten ble kjørt FØR transformen og felte R1 (exit 1) — et nullresultat som aldri er
tvunget til det andre svaret er ingen måling. R13b har egen baseline-fil;
cosmo-gate-baseline.json er et referansepunkt-artefakt (personaHeadings 401) og er
IKKE re-emittert. Ny .gitignore-negasjon (6 entries), aldri `git add -f`.

Målt underveis: 0 av de 62 målinjene ligger i en kodeblokk, så fence-agnostisk
transform er trygg her — samme konklusjon R13 nådde for headinger. Nøyaktig 1 linje
bærer begge klasser; dens `Cosmo-persona` står igjen, som den skal.

Suite 1134/1134 (1120 + 14 nye), validate-plugin 250/0/0, transform idempotent,
R13-driveren fortsatt no-op. RX-OPS1 adversarial-scan kjørt MANUELT på de 56 stagede
filene (OK, exit 0) — `core.hooksPath` skygger repoets pre-commit, fiksen eies av
`.claude`.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

.gitignore

@@ -35,6 +35,7 @@ scripts/kb-update/data/*
 !scripts/kb-update/data/ai-act-deadlines.json
 !scripts/kb-update/data/layerb-allowlist.json
 !scripts/kb-update/data/cosmo-gate-baseline.json
+!scripts/kb-update/data/cosmo-labels-baseline.json
 # Generated skill-lifecycle detection report (Spor B / B1) — regenerated on demand,
 # like the kb-update reports above. The detector script + curated inputs are tracked.
 scripts/kb-eval/data/skill-lifecycle-report.json

scripts/kb-update/check-cosmo-gate.mjs

@@ -26,11 +26,17 @@ import { readFileSync, writeFileSync, existsSync } from 'node:fs';
 import { join, dirname, relative } from 'node:path';
 import { fileURLToPath } from 'node:url';
 import { globSync } from 'node:fs';
-import { classifyCosmo, findDeadAnchors } from './lib/cosmo-persona.mjs';
+import {
+  classifyCosmo, findDeadAnchors, classifyPersonaSites, neutralizeLabels,
+} from './lib/cosmo-persona.mjs';
 
 const __dirname = dirname(fileURLToPath(import.meta.url));
 const PLUGIN_ROOT = join(__dirname, '..', '..');
 const BASELINE_PATH = join(__dirname, 'data', 'cosmo-gate-baseline.json');
+// R13b lives in its OWN baseline file. The R13 one records pre-transform reference points
+// (personaHeadings 401) that regenerating would destroy — never build over a reference-point
+// artefact, so R13b adds a file rather than re-emitting that one.
+const LABELS_BASELINE_PATH = join(__dirname, 'data', 'cosmo-labels-baseline.json');
 
 /** Every reference file in the corpus, as repo-relative paths, sorted. */
 function refFiles() {
@@ -121,6 +127,8 @@ function check() {
     if (now.persona !== 0) fails.push(`G3: ${f} har faatt ${now.persona} persona-forekomst(er)`);
   }
 
+  const labelLines = checkLabels(fails);
+
   console.log('=== R13 persona-gate (ratifisert 2026-09-12, alt. A) ===');
   console.log(`ref-filer                        : ${m.files.length} (baseline ${b.refFiles})`);
   console.log(`G1 persona paa heading-linjer     : ${m.totals.heading}  (baseline ${b.personaHeadings})`);
@@ -131,6 +139,8 @@ function check() {
     + `(${exempt.size} unntatt, ${newDead.length} nye, ${healed.length} forsvunnet)`);
   console.log(`G3 produkt-forekomster            : ${m.totals.product}  (baseline ${b.productOccurrences})`);
   console.log(`   kun-produkt-filer urørt        : ${Object.keys(b.productOnlyFileCounts).length}`);
+  console.log('--- R13b etikett/celle-gate (ratifisert 2026-09-15, alt. A) ---');
+  for (const l of labelLines) console.log(l);
   if (fails.length) {
     console.log('\nGATE FAILED');
     for (const f of fails) console.log(`  x ${f}`);
@@ -178,11 +188,190 @@ function validateNet() {
     else console.log(`ok KJENT-NEGATIV: ${f} — 0 persona, ${c.product} produkt`);
   }
 
+  console.log('--- R13b klausulene, begge veier ---');
+  bad += validateLabelsNet();
+
   console.log(bad === 0 ? '\nNETTET VALIDERT BEGGE VEIER' : `\nNETT-VALIDERING FEILET (${bad})`);
   process.exit(bad === 0 ? 0 : 1);
 }
 
+
+// ================================ R13b: the three decomposed clauses ========================
+//
+//   R1  REFERENT     — has the search string more than one referent? Zero persona in
+//                      MECHANICAL bold labels and table cells, while product stays untouched.
+//   R2  REKKEVIDDE   — does the operation reach every occurrence it claims? An in-class site
+//                      in neither ratified table must be REPORTED, never silently skipped.
+//   R3  HVA SOM STAAR — the 70 editorial occurrences unchanged in count AND content, product
+//                      451 unchanged, R13's headings and TOC still zero (not regraded).
+//
+// Each clause carries BOTH a known-positive and a known-negative in --validate-net. A gate
+// never forced to the other answer is not a measurement.
+
+/** Per-corpus measurement of the R13b sites. */
+function measureLabels() {
+  const files = refFiles();
+  const t = {
+    mechLabel: 0, mechCell: 0, edLabel: 0, edCell: 0, prose: 0, product: 0,
+    unmapped: [], mechFiles: [], unreachable: [],
+  };
+  for (const rel of files) {
+    const src = readFileSync(join(PLUGIN_ROOT, rel), 'utf8');
+    const s = classifyPersonaSites(src);
+    t.mechLabel += s.label.mechanical;
+    t.mechCell += s.table.mechanical;
+    t.edLabel += s.label.editorial;
+    t.edCell += s.table.editorial;
+    for (const u of s.unmapped) t.unmapped.push(`${rel}: ${u}`);
+    const c = classifyCosmo(src);
+    t.prose += c.persona.prose;
+    t.product += c.product;
+    // R2: a site the tables know but the transform does not actually rewrite is out of reach.
+    if (s.label.mechanical + s.table.mechanical > 0) {
+      t.mechFiles.push(rel);
+      let after;
+      try { after = neutralizeLabels(src, { relPath: rel }).content; } catch (e) {
+        t.unreachable.push(`${rel}: ${e.message}`); continue;
+      }
+      const a = classifyPersonaSites(after);
+      const left = a.label.mechanical + a.table.mechanical;
+      if (left) t.unreachable.push(`${rel}: ${left} site(r) utenfor transformens rekkevidde`);
+    }
+  }
+  return t;
+}
+
+function emitLabelsBaseline() {
+  const t = measureLabels();
+  const baseline = {
+    _comment: 'Ratified R13b label/cell baseline (operator 2026-09-15, alt. A). Measured BEFORE '
+      + 'the label transform. R1 drives mechanical -> 0; R3 pins editorial and product as '
+      + 'immovable. The 85/47 split the dispatching order carried was re-measured to 62/70 — '
+      + 'the classifier was wrong, not the count. Regenerate ONLY on a ratified scope change.',
+    measured: new Date().toISOString().slice(0, 10),
+    refFiles: refFiles().length,
+    mechanicalLabels: t.mechLabel,
+    mechanicalCells: t.mechCell,
+    mechanicalTotal: t.mechLabel + t.mechCell,
+    mechanicalFiles: t.mechFiles.length,
+    editorialLabels: t.edLabel,
+    editorialCells: t.edCell,
+    editorialTotal: 70,
+    personaProseBefore: t.prose,
+    personaProseAfter: t.prose - (t.mechLabel + t.mechCell),
+    productOccurrences: t.product,
+    mixedLines: [
+      'skills/ms-ai-advisor/references/prompt-engineering/reasoning-models-o1-o3-optimization.md:549',
+    ],
+  };
+  writeFileSync(LABELS_BASELINE_PATH, `${JSON.stringify(baseline, null, 2)}\n`, 'utf8');
+  console.log(`R13b-baseline skrevet: ${relative(PLUGIN_ROOT, LABELS_BASELINE_PATH)}`);
+  console.log(JSON.stringify(baseline, null, 2));
+}
+
+/** Evaluate R1-R3, pushing onto the shared fails list; returns the printable lines. */
+function checkLabels(fails) {
+  if (!existsSync(LABELS_BASELINE_PATH)) return ['(R13b: ingen baseline — klausulene hoppes over)'];
+  const b = JSON.parse(readFileSync(LABELS_BASELINE_PATH, 'utf8'));
+  const t = measureLabels();
+  const mech = t.mechLabel + t.mechCell;
+
+  // --- R1 REFERENT ---
+  if (mech !== 0) {
+    fails.push(`R1: ${mech} mekanisk(e) persona-site(r) staar igjen `
+      + `(${t.mechLabel} etiketter, ${t.mechCell} celler; baseline ${b.mechanicalTotal})`);
+  }
+  if (t.product !== b.productOccurrences) {
+    fails.push(`R1/R3: produkt ${t.product} != baseline ${b.productOccurrences}`);
+  }
+
+  // --- R2 REKKEVIDDE ---
+  if (t.unmapped.length) {
+    fails.push(`R2: ${t.unmapped.length} persona-site(r) i INGEN ratifisert tabell — `
+      + `umaalt variant: ${t.unmapped.slice(0, 5).join(' | ')}`);
+  }
+  if (t.unreachable.length) {
+    fails.push(`R2: ${t.unreachable.length} site(r) utenfor transformens rekkevidde: `
+      + `${t.unreachable.slice(0, 5).join(' | ')}`);
+  }
+
+  // --- R3 HVA SOM SKAL STAA ---
+  if (t.edLabel !== b.editorialLabels || t.edCell !== b.editorialCells) {
+    fails.push(`R3: REDAKSJONELT scope roert — etiketter ${t.edLabel} `
+      + `(baseline ${b.editorialLabels}), celler ${t.edCell} (baseline ${b.editorialCells})`);
+  }
+  if (t.prose !== b.personaProseAfter && t.prose !== b.personaProseBefore) {
+    fails.push(`R3: persona i proesa/tabell ${t.prose} er hverken foer-verdien `
+      + `${b.personaProseBefore} eller etter-verdien ${b.personaProseAfter}`);
+  }
+
+  const done = mech === 0;
+  return [
+    `R1 mekaniske sites (etikett+celle) : ${mech}  (baseline ${b.mechanicalTotal} `
+      + `= ${b.mechanicalLabels}+${b.mechanicalCells} i ${b.mechanicalFiles} filer)`,
+    `R2 umaalte varianter / utenfor rekkevidde : ${t.unmapped.length} / ${t.unreachable.length}`,
+    `R3 redaksjonelt holdt for R14      : ${t.edLabel} etiketter + ${t.edCell} celler `
+      + `(baseline ${b.editorialLabels} + ${b.editorialCells})`,
+    `   persona i proesa/tabell          : ${t.prose}  (${b.personaProseBefore} foer R13b, `
+      + `${b.personaProseAfter} etter)${done ? ' — R13b UTFOERT' : ' — R13b IKKE kjoert'}`,
+  ];
+}
+
+/** Force each R13b clause to the other answer. */
+function validateLabelsNet() {
+  let bad = 0;
+  const ok = (msg) => console.log(`ok ${msg}`);
+  const no = (msg) => { console.log(`x ${msg}`); bad++; };
+
+  // R1 known-positive — BOTH forms, because the genitive table variant is precisely what a
+  // bold-only net misses.
+  const victim = refFiles()[0];
+  const base = readFileSync(join(PLUGIN_ROOT, victim), 'utf8');
+  const inj = classifyPersonaSites(`${base}\n**For Cosmo:** x\n\n| A | Cosmos råd |\n`);
+  const pre = classifyPersonaSites(base);
+  if (inj.label.mechanical !== pre.label.mechanical + 1) no('R1 KJENT-POSITIV: injisert "**For Cosmo:**" ble IKKE sett');
+  else ok('R1 KJENT-POSITIV: injisert "**For Cosmo:**" felte R1');
+  if (inj.table.mechanical !== pre.table.mechanical + 1) no('R1 KJENT-POSITIV: injisert "| Cosmos råd |" (genitiv) ble IKKE sett');
+  else ok('R1 KJENT-POSITIV: injisert "| Cosmos råd |" (genitiv) felte R1');
+
+  // R1 known-negative — the second case is the dangerous one: it LOOKS like a persona label.
+  const prod = classifyPersonaSites('**Cosmos DB-anbefaling:** bruk autoscale\n| Azure Cosmos DB | 8000 NOK |\n');
+  if (prod.label.mechanical + prod.table.mechanical !== 0 || prod.unmapped.length) {
+    no(`R1 KJENT-NEGATIV: produkt feilklassifisert (${JSON.stringify(prod)})`);
+  } else ok('R1 KJENT-NEGATIV: "**Cosmos DB-anbefaling:**" og "| Azure Cosmos DB |" passerer urort');
+
+  // R2 known-positive — an in-class site the tables do not know must be REPORTED.
+  const hole = classifyPersonaSites('**Cosmo-hjørnet:** noe tekst\n');
+  if (hole.unmapped.length !== 1) no('R2 KJENT-POSITIV: ukjent etikettform ble IKKE rapportert');
+  else ok('R2 KJENT-POSITIV: ukjent etikettform "**Cosmo-hjørnet:**" rapportert som umaalt');
+  let threw = false;
+  try { neutralizeLabels('**Cosmo-hjørnet:** noe tekst\n'); } catch { threw = true; }
+  if (!threw) no('R2 KJENT-POSITIV: transformen hoppet STILLE over en ukjent form'); else ok('R2 KJENT-POSITIV: transformen KASTER paa ukjent form, hopper ikke stille over');
+
+  // R2 known-negative — the editorial classes must be reported OUT of scope and left alone.
+  const ed = '**Cosmo svarer:**\n| A | B | Cosmo-syntese av verified sources |\n';
+  const edC = classifyPersonaSites(ed);
+  if (edC.label.editorial !== 1 || edC.table.editorial !== 1) no('R2 KJENT-NEGATIV: redaksjonell form ikke bokfoert som utenfor scope');
+  else if (neutralizeLabels(ed).content !== ed) no('R2 KJENT-NEGATIV: redaksjonell form ble ENDRET');
+  else ok('R2 KJENT-NEGATIV: dialog + proveniens bokfoert utenfor scope OG byte-identiske');
+
+  // R3 known-positive — break one product occurrence and the product clause must fell.
+  const broken = classifyCosmo('| Azure Cosmo DB | 8000 |\n');
+  const intact = classifyCosmo('| Azure Cosmos DB | 8000 |\n');
+  if (!(intact.product === 1 && broken.product === 0)) no(`R3 KJENT-POSITIV: fjernet tegn i "Cosmos DB" felte IKKE produkt-differansen (${intact.product} -> ${broken.product})`);
+  else ok('R3 KJENT-POSITIV: fjernet tegn i "Cosmos DB" felte produkt-differansen (1 -> 0)');
+
+  // R3 known-negative — the product-only files must be byte-identical through the transform.
+  for (const f of productOnlyFiles(measure())) {
+    const src = readFileSync(join(PLUGIN_ROOT, f), 'utf8');
+    if (neutralizeLabels(src, { relPath: f }).content !== src) no(`R3 KJENT-NEGATIV: kun-produkt-fila ${f} ble endret`);
+    else ok(`R3 KJENT-NEGATIV: ${f} byte-identisk gjennom transformen`);
+  }
+  return bad;
+}
+
 const arg = process.argv[2];
 if (arg === '--emit-baseline') emitBaseline();
+else if (arg === '--emit-labels-baseline') emitLabelsBaseline();
 else if (arg === '--validate-net') validateNet();
 else check();

scripts/kb-update/data/cosmo-labels-baseline.json

@@ -0,0 +1,18 @@
+{
+  "_comment": "Ratified R13b label/cell baseline (operator 2026-09-15, alt. A). Measured BEFORE the label transform. R1 drives mechanical -> 0; R3 pins editorial and product as immovable. The 85/47 split the dispatching order carried was re-measured to 62/70 — the classifier was wrong, not the count. Regenerate ONLY on a ratified scope change.",
+  "measured": "2026-09-15",
+  "refFiles": 389,
+  "mechanicalLabels": 46,
+  "mechanicalCells": 16,
+  "mechanicalTotal": 62,
+  "mechanicalFiles": 50,
+  "editorialLabels": 16,
+  "editorialCells": 10,
+  "editorialTotal": 70,
+  "personaProseBefore": 132,
+  "personaProseAfter": 70,
+  "productOccurrences": 451,
+  "mixedLines": [
+    "skills/ms-ai-advisor/references/prompt-engineering/reasoning-models-o1-o3-optimization.md:549"
+  ]
+}

scripts/kb-update/lib/cosmo-persona.mjs

@@ -322,3 +322,200 @@ export function neutralizeContent(content, { relPath = '' } = {}) {
 
   return { content: out.join('\n'), changes };
 }
+
+// ===========================================================================================
+// R13b — the MECHANICAL persona sites OUTSIDE headings: bold labels and table cells.
+//
+// THE SPLIT IS A MEASUREMENT, NOT THE ORDER'S PREMISE. The dispatching order carried
+// "MEKANISK 85 / REDAKSJONELT 47" — itself a correction of an earlier "87/45" — and asked for
+// it to be re-measured before anything was built. Re-measured over the 389 reference files, it
+// is wrong again, and wrong in the CLASSIFIER rather than the count:
+//
+//   1. FOURTEEN bold labels are DIALOGUE SPEAKER ATTRIBUTIONS. The dialogue bucket only ever
+//      matched the italic `*Cosmo:*`; the bold form introduces quoted speech —
+//      `**Naar kunden sier:** "..."` / `**Cosmo svarer:** "..."` — so deleting it leaves the
+//      quote with no speaker. That is editorial work, not a scripted rewrite.
+//   2. TEN table cells are PROVENANCE CLAIMS in the source-quality column. Cell position splits
+//      the 26 table occurrences into three classes, not one: 12 row labels (column 0),
+//      4 column headers, 10 provenance values such as `Moenstre er Cosmo-design` and
+//      `Raadgivende innhold basert paa Cosmo-persona`. Rewriting one asserts something new
+//      about where the content came from, and the last of them has no deletion target at all.
+//      Six of the order's nine compound forms live entirely inside this class.
+//   3. Leaking the other way, +1 mechanical: `- **For arkitekten (Cosmo):** ...` in
+//      reasoning-models-o1-o3-optimization.md:549 is exactly the target class, but a
+//      line-start-anchored net cannot see it behind the `- ` marker and books it as prose.
+//
+// MEASURED: MEKANISK 62 (46 labels + 16 cells) / REDAKSJONELT 70; sum 132 unchanged.
+// Operator-ratified 2026-09-15, alternative A: execute the 62, hold dialogue and provenance
+// for R14. Both held-back classes depend on the never-answered #R14-persona-ramme (neutral
+// frame / new named persona / none); the 62 do not, because R13 has ALREADY executed
+// `For Cosmo` -> `For arkitekten` across 401 headings, so this only brings labels and table
+// rows into line with a decision that has already run.
+//
+// KEYED ON EXACT TEXT, like HEADING_MAP, and for the same reason: every rewrite is then a
+// table entry a human ratified, and an unmeasured variant THROWS instead of being guessed at.
+// Exact keying is also what keeps the two table classes apart without any row-role heuristic —
+// the header cell is `Cosmo-anbefaling`, the provenance cell is
+// `Cosmo-anbefaling basert paa verified data`, and they simply are different keys.
+
+/**
+ * The ratified bold-label rewrites: 16 variants, 46 occurrences. Keys are the text INSIDE the
+ * `**...**` span, colon included where the source has it inside the bold.
+ * No target introduces a word its source did not carry, except R13's sanctioned `arkitekten`.
+ */
+export const LABEL_MAP = {
+  // --- the bulk: the three forms that converge on R13's ratified heading vocabulary ---
+  'For Cosmo:': 'For arkitekten:',
+  'For Cosmo Skyberg:': 'For arkitekten:',
+  'For arkitekten (Cosmo):': 'For arkitekten:',
+  // --- compound nouns: the persona is the first element, so the head stands alone ---
+  'Cosmo-anbefaling:': 'Anbefaling:',
+  "Cosmo's anbefaling:": 'Anbefaling:',
+  'Cosmo Skybergs anbefaling:': 'Anbefaling:',
+  'Cosmo-svar:': 'Svar:',
+  'Cosmo-spørsmål:': 'Spørsmål:',
+  'Cosmo-checkpoint:': 'Checkpoint:',
+  "Cosmo's one-liner:": 'One-liner:',
+  "Cosmo's rule of thumb:": 'Rule of thumb:',
+  // --- parenthetical or prepositional: the name drops out and the label survives intact ---
+  'Owner (Cosmo):': 'Owner:',
+  'Note til Cosmo:': 'Note:',
+  'Oppsummering for Cosmo': 'Oppsummering',
+  'Oppsummering for Cosmo:': 'Oppsummering:',
+  // --- addressed TO the architect, so the role takes the name's place ---
+  'Til Cosmo:': 'Til arkitekten:',
+};
+
+/**
+ * Bold labels that carry persona but are OUT of R13b's scope: speaker attributions in front of
+ * quoted speech. Enumerated rather than pattern-matched, so that a variant in NEITHER table is
+ * a hole in the net and throws, instead of being silently skipped. 6 variants, 14 occurrences.
+ */
+export const EDITORIAL_LABELS = new Set([
+  'Cosmo:',                 // 5 — `**Cosmo:** "Jeg forstaar at dere er klare for produksjon..."`
+  'Cosmo svarer:',          // 4 — paired with `**Naar kunden sier:**`
+  'Cosmo forklarer:',       // 2 — same dialogue frame
+  'Cosmo spør:',            // 1 — same dialogue frame
+  'Mitt svar (Cosmo):',     // 1 — first person, inside a scripted exchange
+  'Cosmo Skyberg tipset:',  // 1 — past-tense attribution of advice to a person
+  // The two the ORDER already booked as editorial, and the reason its predecessor undercounted
+  // provenance: both are whole sentences that merely happen to be bold, and the first also
+  // points at `/architect`, an R14 delivery surface. Listed here so the net has no hole.
+  'For spørsmål om NLU-konfigurasjon, kontakt Cosmo Skyberg via `/architect`.',
+  'Sist oppdatert av Cosmo Skyberg, Microsoft AI Solution Architect',
+]);
+
+/** The ratified table-cell rewrites: 4 variants, 16 occurrences (12 row labels, 4 headers). */
+export const TABLE_CELL_MAP = {
+  'For arkitekten (Cosmo)': 'For arkitekten',
+  '**For arkitekten (Cosmo)**': '**For arkitekten**',
+  'Cosmo-anbefaling': 'Anbefaling',
+  'Cosmos råd': 'Råd',
+};
+
+/** Provenance cells held back for R14's editorial pass. 10 occurrences, measured. */
+export const EDITORIAL_CELLS = new Set([
+  'Cosmo-syntese av verified sources',
+  'Cosmo-anbefaling basert på verified data',
+  'Cosmo-anbefalinger basert på best practices',
+  "Cosmo's domain expertise + maturity model",
+  "Cosmo's domain knowledge + norsk lovverk",
+  "Cosmo's expertise + best practices fra docs",
+  'Rådgivende innhold basert på Cosmo-persona',
+  'Mønstre er Cosmo-design, PowerShell-kode er Verified',
+  'Tabeller og anbefalinger basert på Cosmo-erfaring + Microsoft docs',
+  'GDPR/AI Act-mapping er Cosmo-tolkninger (ikke Microsoft-spesifikk)',
+]);
+
+/** A bold label at the start of a line, optionally behind a list marker. */
+const LABEL_RE = /^(\s*(?:[-*+]\s+)?)\*\*([^*\n]+)\*\*/;
+/** A markdown table row. */
+const TABLE_RE = /^\s*\|/;
+
+/**
+ * Where do this document's non-heading persona occurrences sit, and is each one in a ratified
+ * table? Counts only the SITES R13b acts on — bold labels and table cells; prose, dialogue
+ * outside bold labels and provenance lines are R14's and are not counted here.
+ *
+ * `unmapped` is the fail-safe: a persona label or cell in neither the mechanical nor the
+ * editorial table is an unmeasured variant, and the driver refuses to run rather than guess.
+ *
+ * @param {string} content
+ * @returns {{label: {mechanical: number, editorial: number},
+ *            table: {mechanical: number, editorial: number}, unmapped: string[]}}
+ */
+export function classifyPersonaSites(content) {
+  const label = { mechanical: 0, editorial: 0 };
+  const table = { mechanical: 0, editorial: 0 };
+  const unmapped = [];
+  for (const line of String(content ?? '').split('\n')) {
+    if (/^#{1,6}\s+/.test(line)) continue;
+    if (TABLE_RE.test(line)) {
+      const segs = line.split('|');
+      for (let i = 1; i < segs.length - 1; i++) {
+        const cell = segs[i].trim();
+        if (!hasPersona(cell)) continue;
+        if (TABLE_CELL_MAP[cell] !== undefined) table.mechanical++;
+        else if (EDITORIAL_CELLS.has(cell)) table.editorial++;
+        else unmapped.push(`cell: ${JSON.stringify(cell)}`);
+      }
+      continue;
+    }
+    const m = LABEL_RE.exec(line);
+    if (!m || !hasPersona(m[2])) continue;
+    if (LABEL_MAP[m[2]] !== undefined) label.mechanical++;
+    else if (EDITORIAL_LABELS.has(m[2])) label.editorial++;
+    else unmapped.push(`label: ${JSON.stringify(m[2])}`);
+  }
+  return { label, table, unmapped };
+}
+
+/**
+ * Neutralise the ratified bold labels and table cells. Pure: returns new content, writes
+ * nothing. Surgical — only the label span or the single matching cell is rewritten, so the
+ * rest of the line, including any persona R14 still owns, stays byte-identical. Splitting and
+ * rejoining a row on `|` is lossless, so cell padding survives untouched.
+ *
+ * Throws — never writes a guess — on a persona label or cell in neither ratified table.
+ * Idempotent: a neutral target matches no key.
+ *
+ * @param {string} content
+ * @param {{relPath?: string}} [opts]
+ * @returns {{content: string, changes: Array<{kind: string, line: number, from: string, to: string}>}}
+ */
+export function neutralizeLabels(content, { relPath = '' } = {}) {
+  const where = (i) => `${relPath || '<ukjent fil>'}:${i + 1}`;
+  const changes = [];
+  const out = String(content ?? '').split('\n').map((line, i) => {
+    if (/^#{1,6}\s+/.test(line)) return line;
+
+    if (TABLE_RE.test(line)) {
+      const segs = line.split('|');
+      let touched = false;
+      for (let c = 1; c < segs.length - 1; c++) {
+        const cell = segs[c].trim();
+        if (!hasPersona(cell)) continue;
+        const to = TABLE_CELL_MAP[cell];
+        if (to === undefined) {
+          if (EDITORIAL_CELLS.has(cell)) continue;
+          throw new Error(`ukjent persona-tabellcelle i ${where(i)}: ${JSON.stringify(cell)}`);
+        }
+        segs[c] = segs[c].replace(cell, to);
+        changes.push({ kind: 'cell', line: i + 1, from: cell, to });
+        touched = true;
+      }
+      return touched ? segs.join('|') : line;
+    }
+
+    const m = LABEL_RE.exec(line);
+    if (!m || !hasPersona(m[2])) return line;
+    const to = LABEL_MAP[m[2]];
+    if (to === undefined) {
+      if (EDITORIAL_LABELS.has(m[2])) return line;
+      throw new Error(`ukjent persona-etikett i ${where(i)}: ${JSON.stringify(m[2])}`);
+    }
+    changes.push({ kind: 'label', line: i + 1, from: m[2], to });
+    return `${m[1]}**${to}**${line.slice(m[0].length)}`;
+  });
+  return { content: out.join('\n'), changes };
+}

scripts/kb-update/neutralize-cosmo-labels.mjs

@@ -0,0 +1,126 @@
+#!/usr/bin/env node
+// neutralize-cosmo-labels.mjs — R13b: apply the ratified neutralisation to the MECHANICAL
+// persona sites that sit OUTSIDE headings — bold labels and table cells — in one per-file
+// operation, behind the same plan-then-write discipline as R13's heading driver.
+//
+// SCOPE (operator-ratified 2026-09-15, alternative A; measured, not inherited). IN: the 62
+// mechanical occurrences — 46 bold labels in 16 ratified variants, 16 table cells in 4.
+// OUT, and deliberately so: the 70 editorial ones, which R14 owns. The dispatching order
+// carried "MEKANISK 85 / REDAKSJONELT 47" and asked for that premise to be re-measured before
+// anything was built; re-measured, it is wrong in the CLASSIFIER, not the count — 14 bold
+// labels are dialogue speaker attributions standing in front of quoted speech, 10 table cells
+// are provenance claims in the source-quality column, and one list-item label hidden behind a
+// `- ` marker leaks the other way INTO scope. Full derivation: lib/cosmo-persona.mjs.
+//
+// Also out, unchanged from R13: the 4 SKILL.md, the 23 commands, CLAUDE.md / README / NOTICE,
+// and docs/ — all R14 — and R13's own headings and TOC, which are green and are not regraded.
+//
+// INVARIANTS asserted per file BEFORE any write (a throw aborts the whole run and writes
+// nothing):
+//   - zero MECHANICAL label/cell sites remain
+//   - the editorial counts are untouched — if one moved, the scope has been breached
+//   - product occurrences unchanged (the 451 Azure Cosmos DB mentions)
+//   - persona on headings and in TOC entries still zero (R13 not regraded)
+//   - line count unchanged; no NEW dead fragment link
+//   - only lines the transform claims to have touched differ from the original
+// Idempotent: a re-run matches no key and is a no-op, so an interrupted run is re-runnable.
+//
+// Usage:  node scripts/kb-update/neutralize-cosmo-labels.mjs [--dry]
+import { readFileSync, realpathSync, globSync } from 'node:fs';
+import { join, dirname } from 'node:path';
+import { fileURLToPath } from 'node:url';
+import { atomicWriteSync } from './lib/atomic-write.mjs';
+import { classifyCosmo, classifyPersonaSites, findDeadAnchors, neutralizeLabels } from './lib/cosmo-persona.mjs';
+
+const __dirname = dirname(fileURLToPath(import.meta.url));
+const PLUGIN_ROOT = join(__dirname, '..', '..');
+
+/** Throws on the first violation, so the run aborts before a single byte is written. */
+function assertInvariant(rel, before, after, changes) {
+  const sb = classifyPersonaSites(before);
+  const sa = classifyPersonaSites(after);
+  const left = sa.label.mechanical + sa.table.mechanical;
+  if (left !== 0) throw new Error(`${rel}: ${left} mekanisk(e) persona-site(r) staar igjen`);
+  if (sa.unmapped.length) throw new Error(`${rel}: ukjent persona-site: ${sa.unmapped.join(', ')}`);
+  if (sa.label.editorial !== sb.label.editorial || sa.table.editorial !== sb.table.editorial) {
+    throw new Error(`${rel}: REDAKSJONELT scope roert — etiketter `
+      + `${sb.label.editorial} -> ${sa.label.editorial}, celler `
+      + `${sb.table.editorial} -> ${sa.table.editorial}`);
+  }
+
+  const b = classifyCosmo(before);
+  const a = classifyCosmo(after);
+  if (a.product !== b.product) throw new Error(`${rel}: produkt endret ${b.product} -> ${a.product}`);
+  if (a.persona.heading !== 0 || a.persona.toc !== 0) {
+    throw new Error(`${rel}: R13 regradert — heading ${a.persona.heading}, toc ${a.persona.toc}`);
+  }
+
+  const lb = before.split('\n');
+  const la = after.split('\n');
+  if (lb.length !== la.length) throw new Error(`${rel}: linjeantall endret ${lb.length} -> ${la.length}`);
+
+  const deadBefore = new Set(findDeadAnchors(before).map((d) => d.anchor));
+  const newDead = findDeadAnchors(after).map((d) => d.anchor).filter((x) => !deadBefore.has(x));
+  if (newDead.length) throw new Error(`${rel}: nye doede ankre: ${newDead.join(', ')}`);
+
+  const touched = new Set(changes.map((c) => c.line));
+  for (let i = 0; i < lb.length; i++) {
+    if (lb[i] === la[i]) continue;
+    if (!touched.has(i + 1)) {
+      throw new Error(`${rel}:${i + 1}: linje endret uten aa staa i endringslista\n`
+        + `  foer: ${lb[i]}\n  etter: ${la[i]}`);
+    }
+  }
+}
+
+function main() {
+  const dry = process.argv.includes('--dry');
+  const files = globSync('skills/*/references/**/*.md', { cwd: PLUGIN_ROOT }).sort();
+  const planned = [];
+  let labelChanges = 0;
+  let cellChanges = 0;
+  let heldBack = 0;
+
+  for (const rel of files) {
+    const before = readFileSync(join(PLUGIN_ROOT, rel), 'utf8');
+    heldBack += (() => { const s = classifyPersonaSites(before); return s.label.editorial + s.table.editorial; })();
+    const { content: after, changes } = neutralizeLabels(before, { relPath: rel });
+    if (after === before) continue;
+    assertInvariant(rel, before, after, changes);
+    labelChanges += changes.filter((c) => c.kind === 'label').length;
+    cellChanges += changes.filter((c) => c.kind === 'cell').length;
+    planned.push({ rel, out: after, changes });
+  }
+
+  console.log(`ref-filer: ${files.length} | aa endre: ${planned.length} | urørt: ${files.length - planned.length}`);
+  console.log(`etikett-endringer: ${labelChanges} | tabellcelle-endringer: ${cellChanges} `
+    + `| SUM ${labelChanges + cellChanges}`);
+  console.log(`redaksjonelle sites holdt tilbake til R14: ${heldBack}`);
+
+  if (dry) {
+    const byTarget = new Map();
+    for (const p of planned) {
+      for (const c of p.changes) {
+        const k = `${c.kind.padEnd(5)} ${c.from}  ->  ${c.to}`;
+        byTarget.set(k, (byTarget.get(k) || 0) + 1);
+      }
+    }
+    console.log('\n(dry run — ingen skriving)\n--- mapping som vil brukes ---');
+    for (const [k, v] of [...byTarget.entries()].sort((x, y) => y[1] - x[1])) {
+      console.log(`${String(v).padStart(4)}  ${k}`);
+    }
+    return;
+  }
+
+  for (const p of planned) atomicWriteSync(join(PLUGIN_ROOT, p.rel), p.out);
+  console.log(`\nSkrev ${planned.length} filer.`);
+}
+
+const isMain = (() => {
+  try {
+    return realpathSync(process.argv[1]) === realpathSync(fileURLToPath(import.meta.url));
+  } catch {
+    return false;
+  }
+})();
+if (isMain) main();

skills/ms-ai-advisor/references/architecture/rag-maturity-model.md

@@ -445,4 +445,4 @@ Disse mønstrene kan kombineres med ethvert nivå og er ikke del av den lineære
 
 ---
 
-**For Cosmo:** Bruk denne modellen som standard rammeverk når kunder spør om "RAG-strategi" eller "hva er neste steg for vår RAG-løsning". Start alltid med å plassere kunden på riktig nivå gjennom spørsmålene over, deretter anbefal neste 1-2 nivåer. Aldri anbefal nivå 9-11 som første steg.
+**For arkitekten:** Bruk denne modellen som standard rammeverk når kunder spør om "RAG-strategi" eller "hva er neste steg for vår RAG-løsning". Start alltid med å plassere kunden på riktig nivå gjennom spørsmålene over, deretter anbefal neste 1-2 nivåer. Aldri anbefal nivå 9-11 som første steg.

skills/ms-ai-advisor/references/copilot-extensibility/copilot-analytics-and-usage-insights.md

@@ -493,4 +493,4 @@ Get-MgBetaReportMicrosoft365CopilotUserCountSummary `
 
 ---
 
-**For Cosmo:** Når kunde spør om "hvordan måle Copilot-bruk", start med deres primary goal (adoption vs. ROI vs. compliance). De fleste trenger IKKE Viva Insights Advanced – Copilot Dashboard + Admin center dekker 80% av use cases. Sentiment surveys er gull for early-stage adoption. Aldri lov ROI-estimatet alene – kombiner med qualitative feedback. Offentlig sektor: vær krystallklar på at Purview audit logs kan inneholde sensitive prompts → access controls er kritisk.
+**For arkitekten:** Når kunde spør om "hvordan måle Copilot-bruk", start med deres primary goal (adoption vs. ROI vs. compliance). De fleste trenger IKKE Viva Insights Advanced – Copilot Dashboard + Admin center dekker 80% av use cases. Sentiment surveys er gull for early-stage adoption. Aldri lov ROI-estimatet alene – kombiner med qualitative feedback. Offentlig sektor: vær krystallklar på at Purview audit logs kan inneholde sensitive prompts → access controls er kritisk.

skills/ms-ai-advisor/references/copilot-extensibility/copilot-studio-localization-globalization.md

@@ -655,4 +655,4 @@ Agent kan detektere brukerens språk i hver melding og bytte språk dynamisk gje
 
 Localization og globalization i Copilot-plattformen handler om å velge riktig balanse mellom enkelhet, kostnad og brukeropplevelse. **Browser-based localization er utgangspunktet** for de fleste scenarioer, mens **dynamic language switching** er en kraftig, men kostbar, løsning for spesialiserte behov. Med generative orchestration får du automatisk oversettelse av generativt innhold, noe som drastisk reduserer vedlikeholdsbyrden. For norsk offentlig sektor: Start med bokmål og engelsk, valider, og skaler deretter basert på faktisk behov.
 
-**Cosmo Skybergs anbefaling:** Gjør det enkelt først, skaler smart, og dokumenter valgene i en ADR.
+**Anbefaling:** Gjør det enkelt først, skaler smart, og dokumenter valgene i en ADR.

skills/ms-ai-advisor/references/copilot-extensibility/copilot-studio-topics-and-entities.md

@@ -436,7 +436,7 @@ Følgende informasjon er basert på modellens treningsdata (januar 2025) og bekr
 
 ---
 
-**For Cosmo:**
+**For arkitekten:**
 
 Når du rådgir om topics og entities, vurder:
 1. **Topic granularity:** Hvor mange topics trenger løsningen? (Tommelfingerregel: 1 topic per høynivå-brukerforspørsel)

skills/ms-ai-advisor/references/copilot-extensibility/sharepoint-copilot-agents.md

@@ -348,7 +348,7 @@ SharePoint Copilot Agents respekterer **eksisterende SharePoint-permissions og s
 | Integrasjon med Microsoft-stakken | **Verified** | Microsoft Learn (MCP) |
 | Offentlig sektor (Norge) | **Baseline** (legal compliance basert på Microsoft docs + norsk lov) | Microsoft Learn + juridisk tolkning |
 | Kostnad og lisensiering | **Verified** | Microsoft Learn (MCP) + Azure pricing |
-| For arkitekten (Cosmo) | **Baseline** (praktiske spørsmål og fallgruver) | Praktisk erfaring |
+| For arkitekten | **Baseline** (praktiske spørsmål og fallgruver) | Praktisk erfaring |
 
 ---
 

skills/ms-ai-advisor/references/copilot-extensibility/teams-copilot-message-extensions.md

@@ -464,7 +464,7 @@ Chat-historikk i Teams/Copilot er underlagt arkiveringskrav for offentlig sektor
 | Integrasjon med Microsoft-stakken | Verified | MCP microsoft_docs_search |
 | Offentlig sektor (Norge) | Baseline | Modellkunnskap (juridisk kontekst) |
 | Kostnad og lisensiering | Baseline | Offentlige prislister + erfaring |
-| For arkitekten (Cosmo) | Baseline | Best practices fra feltet |
+| For arkitekten | Baseline | Best practices fra feltet |
 
 **Unike kilder:** 6 Microsoft Learn-artikler
 **Dato verifisert:** 2026-02-04

skills/ms-ai-advisor/references/prompt-engineering/domain-specific-prompt-optimization.md

@@ -586,7 +586,7 @@ Basert på testing (Azure OpenAI dokumentasjon):
 
 ---
 
-**Cosmo's anbefaling:**
+**Anbefaling:**
 *Start med Azure OpenAI On Your Data + RAG for domener med dokumentasjon. Bruk GPT-4 med high strictness (4-5) og inScope=true for compliance-kritiske domener. Test grundig med representative queries før produksjon. For offentlig sektor: alltid inkluder disclaimers, logging og PII-filtering.*
 
 ---

skills/ms-ai-advisor/references/prompt-engineering/error-handling-and-fallback-prompting.md

@@ -707,7 +707,7 @@ User Request
 
 ---
 
-**For Cosmo Skyberg:**
+**For arkitekten:**
 Bruk denne referansen når kunden spør om:
 - "Hvordan håndterer vi feil fra Azure OpenAI?"
 - "Hva gjør vi hvis vi får 429 rate limit errors?"

skills/ms-ai-advisor/references/prompt-engineering/function-calling-and-tool-use.md

@@ -462,6 +462,6 @@ Function calling påvirker kostnaden på flere måter:
 | Integrasjon med Microsoft-stakken | **Verified** | Microsoft Learn cross-references |
 | Offentlig sektor (Norge) | **Baseline** | Standard compliance-krav (generelt, ikke Azure-spesifikt) |
 | Kostnad og lisensiering | **Verified** | Azure pricing + Microsoft Learn token counting |
-| For arkitekten (Cosmo) | **Baseline** | Syntese av dokumentasjon + praktisk erfaring |
+| For arkitekten | **Baseline** | Syntese av dokumentasjon + praktisk erfaring |
 
 **Siste verifikasjon:** 2026-02-04 via MCP microsoft-learn server

skills/ms-ai-advisor/references/prompt-engineering/reasoning-models-o1-o3-optimization.md

@@ -546,6 +546,6 @@ Denne kunnskapsreferansen er basert på offisiell Microsoft Learn-dokumentasjon
 - **Integrasjon med Microsoft-stakken:** Verified (MCP + baseline)
 - **Offentlig sektor (Norge):** Baseline (legal/compliance-kunnskap + Azure docs)
 - **Kostnad og lisensiering:** Baseline (pricing estimert, lisensiering verifisert via MCP)
-- **For arkitekten (Cosmo):** Baseline (erfaring + Cosmo-persona)
+- **For arkitekten:** Baseline (erfaring + Cosmo-persona)
 
 **Merk:** Priser er omtrentlige og basert på global Azure-prising. Faktiske norske priser kan variere og må verifiseres i Azure Portal eller via Microsoft-representanter.

skills/ms-ai-advisor/references/prompt-engineering/temperature-sampling-and-parameters.md

@@ -581,7 +581,7 @@ Alle kilder verifisert: **2026-02-04**
 
 ---
 
-**For Cosmo:**
+**For arkitekten:**
 Dette dokumentet gir deg komplett oversikt over generation parameters. Bruk tabellene og decision trees aktivt i arkitekturrådgivning. Husk at **temperature og top_p ikke skal brukes samtidig** — dette er den vanligste feilen jeg ser i kundeimplementasjoner.
 
 Når du rådgir om offentlig sektor, vekt konsistens og reproducibility (men vær ærlig om at seed ikke garanterer 100% determinisme). Kombiner alltid parameter-tuning med solid prompt engineering — parametere alene løser ikke dårlige prompts.

skills/ms-ai-engineering/references/agent-orchestration/agent-evaluation-testing-frameworks.md

@@ -555,7 +555,7 @@ results = mlflow.genai.evaluate(
 | Integrasjon med Microsoft-stakken | Verified | Fra Foundry, Semantic Kernel, Prompt Flow, Application Insights docs |
 | Offentlig sektor (Norge) | Baseline | GDPR/AI Act vurdering basert på modellkunnskap + Azure residency facts |
 | Kostnad og lisensiering | Baseline | Prisestimater basert på Azure OpenAI pricing (feb 2026) + observability costs |
-| For arkitekten (Cosmo) | Baseline | Synthesized fra verified sources + praktisk erfaring |
+| For arkitekten | Baseline | Synthesized fra verified sources + praktisk erfaring |
 
 ---
 

skills/ms-ai-engineering/references/agent-orchestration/tool-use-and-function-calling-patterns.md

@@ -481,4 +481,4 @@ def update_citizen_record(ssn: str, field: str, value: str) -> str:
 
 ---
 
-**For Cosmo:** Dette dokumentet dekker både grunnleggende og avanserte mønstre for function calling. Bruk det til å velge riktig tilnærming basert på klientens behov (antall funksjoner, kompleksitet, compliance-krav). Husk alltid: **Start enkelt (Basic), skalér til Auto-invocation, og bygg modulært med Agent-as-Tool når kompleksiteten vokser.**
+**For arkitekten:** Dette dokumentet dekker både grunnleggende og avanserte mønstre for function calling. Bruk det til å velge riktig tilnærming basert på klientens behov (antall funksjoner, kompleksitet, compliance-krav). Husk alltid: **Start enkelt (Basic), skalér til Auto-invocation, og bygg modulært med Agent-as-Tool når kompleksiteten vokser.**

skills/ms-ai-engineering/references/azure-ai-services/azure-ai-vision-ocr-processing.md

@@ -367,6 +367,6 @@ Kombiner OCR med LLM for intelligent dokumentforståelse:
 | Integrasjon med Microsoft-stakken | Verified | MCP microsoft_docs_search (AI Search skill, Synapse tutorial, code samples) |
 | Offentlig sektor (Norge) | Baseline | Modellkunnskap + GDPR/WCAG-standarder |
 | Kostnad og lisensiering | Baseline | Modellkunnskap (priser endres hyppig, sjekk Azure Pricing Calculator) |
-| For arkitekten (Cosmo) | Baseline | Arkitekturveiledning basert på Microsoft Learn best practices |
+| For arkitekten | Baseline | Arkitekturveiledning basert på Microsoft Learn best practices |
 
 **Merknad:** Alle tekniske detaljer om API-er, kapabiliteter, input-krav, språkstøtte, og JSON-responser er verifisert mot Microsoft Learn-dokumentasjon via MCP-research (februar 2026). Prisopplysninger er estimater og bør verifiseres mot Azure Pricing Calculator. Offentlig sektor-spesifikke anbefalinger er basert på norsk regulatorisk kontekst (GDPR, Offentlighetsloven, WCAG 2.1).

skills/ms-ai-engineering/references/azure-ai-services/document-intelligence-prebuilt-models.md

@@ -560,10 +560,10 @@ Custom model ekstraherer:
 | Integrasjon med Microsoft-stakken | **Verified** | Power Automate/Logic Apps connector docs |
 | Offentlig sektor (Norge) | **Baseline** | Modellkunnskap om norske standarder (EHF, NOARK5) + Azure compliance docs |
 | Kostnad og lisensiering | **Verified** | Azure Pricing Calculator + Document Intelligence pricing page |
-| For arkitekten (Cosmo) | **Baseline** | Modellkunnskap + arkitekturerfaring |
+| For arkitekten | **Baseline** | Modellkunnskap + arkitekturerfaring |
 
 **Unike kilder:** 7 Microsoft Learn-URLer
 
 ---
 
-**Til Cosmo:** Når en kunde spør om "faktura-automatisering" eller "kvitterings-scanning", start med å verifisere at prebuilt-modellene dekker deres feltbehov (bruk schema-lenker over). Hvis de har proprietære felter eller norske spesialtilfeller (EHF, NAV-skjemaer), foreslå hybrid-modell. Vurder alltid Power Automate for SMB-kunder (raskere time-to-market) og Logic Apps for enterprise (bedre feilhåndtering og skalerbarhet). Ikke glem å diskutere HITL-strategi — selv 95% nøyaktighet betyr 500 feil per 10,000 dokumenter.
+**Til arkitekten:** Når en kunde spør om "faktura-automatisering" eller "kvitterings-scanning", start med å verifisere at prebuilt-modellene dekker deres feltbehov (bruk schema-lenker over). Hvis de har proprietære felter eller norske spesialtilfeller (EHF, NAV-skjemaer), foreslå hybrid-modell. Vurder alltid Power Automate for SMB-kunder (raskere time-to-market) og Logic Apps for enterprise (bedre feilhåndtering og skalerbarhet). Ikke glem å diskutere HITL-strategi — selv 95% nøyaktighet betyr 500 feil per 10,000 dokumenter.

skills/ms-ai-engineering/references/azure-ai-services/language-services-text-analytics.md

@@ -421,7 +421,7 @@ Language Services bruker **pay-per-call** modell (per text record).
 | Integrasjon med MS-stakken | ✅ Documented | Power BI tutorial + SynapseML docs + Foundry quickstarts |
 | Offentlig sektor (Norge) | ⚠️ Baseline | GDPR-analyse (modellkunnskap) + Azure datacenter geografi |
 | Kostnad og lisensiering | ⚠️ Baseline | Generell Azure pricing structure (ikke eksakte NOK-priser hentet) |
-| For arkitekten (Cosmo) | ⚠️ Baseline | Arkitekturerfaringer (modellkunnskap), ikke dokumentert av Microsoft |
+| For arkitekten | ⚠️ Baseline | Arkitekturerfaringer (modellkunnskap), ikke dokumentert av Microsoft |
 
 **Notater:**
 - Prisestimater er basert på generell Azure-prisstruktur — alltid sjekk [Azure Pricing Calculator](https://azure.microsoft.com/en-us/pricing/calculator/) for eksakte priser.

skills/ms-ai-engineering/references/data-engineering/data-factory-ai-pipelines.md

@@ -478,7 +478,7 @@ Scenario: Daglig batch inference (1M records, 50 GB data, 30 dager)
 
 ### Arkitektur-tradeoffs
 
-| Beslutning | Alternativ A | Alternativ B | Cosmos råd |
+| Beslutning | Alternativ A | Alternativ B | Råd |
 |------------|-------------|-------------|-----------|
 | **Fabric vs. ADF** | Fabric (capacity, OneLake-integrasjon) | ADF (consumption, Azure ML-integrasjon) | Velg Fabric hvis Power BI Premium allerede er i bruk (delt capacity). Velg ADF hvis hybride on-prem-kilder er dominerende. |
 | **Pipeline vs. Airflow** | Pipeline (low-code UI) | Airflow (Python DAGs) | Start med Pipeline. Migrer til Airflow hvis >5 data engineers trenger git-basert versjonskontroll og Python-flexibility. |
@@ -746,7 +746,7 @@ Invoke-FabricPipelineUpgrade `
 
 ---
 
-**For Cosmo:**
+**For arkitekten:**
 Denne referansen dekker orkestreringsaspektet av AI-pipelines. For dypdykk i:
 - **Feature engineering:** Se `feature-store-architecture.md` og `dataflow-gen2-transformations.md`
 - **Model lifecycle:** Se `azure-ml-pipelines.md` og `mlops-ci-cd.md`

skills/ms-ai-engineering/references/data-engineering/fabric-lakehouse-architecture.md

@@ -367,4 +367,4 @@ Bruk **Fabric Capacity Metrics App** for:
 
 ---
 
-**For Cosmo:** Denne referansen er klar for å brukes i arkitekturrådgivning. Alle tekniske detaljer er verifisert mot Microsoft Learn (februar 2026), og alle anbefalinger følger Microsoft best practices. Bruk denne som primary source når du designer lakehouse-arkitekturer for AI-arbeidsflater i norsk offentlig sektor.
+**For arkitekten:** Denne referansen er klar for å brukes i arkitekturrådgivning. Alle tekniske detaljer er verifisert mot Microsoft Learn (februar 2026), og alle anbefalinger følger Microsoft best practices. Bruk denne som primary source når du designer lakehouse-arkitekturer for AI-arbeidsflater i norsk offentlig sektor.

skills/ms-ai-engineering/references/mlops-genaiops/ci-cd-for-ml-models.md

@@ -730,6 +730,6 @@ CI/CD pipelines for ML krever compute for training og deployment:
 | Integrasjon med Microsoft-stakken | Verified | MCP: Multiple Azure ML integration docs |
 | Offentlig sektor (Norge) | Baseline | Modellkunnskap (NSM, GDPR, AI Act) |
 | Kostnad og lisensiering | Baseline | Modellkunnskap (2026 prising estimert) |
-| For arkitekten (Cosmo) | Baseline | Beste praksiser + MLOps maturity model |
+| For arkitekten | Baseline | Beste praksiser + MLOps maturity model |
 
 **Overall Konfidens:** 85% (majoriteten av innhold er verifisert via Microsoft Learn MCP-kilde, offentlig sektor og prising er basert på modellkunnskap og er merket som "Baseline")

skills/ms-ai-engineering/references/mlops-genaiops/genaiops-llm-specific-practices.md

@@ -379,7 +379,7 @@ MLflow Tracing provides end-to-end observability for GenAI applications:
 
 ---
 
-**For Cosmo Skyberg:**
+**For arkitekten:**
 
 Denne kunnskapsfilen dekker det **operasjonelle rammeverket** for GenAI-løsninger — hvordan du går fra prototype til production med repeatable processes. Fokus er på **Microsoft-spesifikke verktøy** (Microsoft Foundry, Prompt Flow, MLflow, Databricks Mosaic AI), men prinsippene er portable til andre platforms.
 

skills/ms-ai-engineering/references/mlops-genaiops/model-versioning-registry-management.md

@@ -580,5 +580,5 @@ az ml model list --registry-name my-registry --query "[?created<'$cutoff_date'].
 
 ---
 
-**Oppsummering for Cosmo:**
+**Oppsummering:**
 Model versioning og registry management er fundamentet for skalerbar MLOps. Azure ML Registry + MLflow gir et kraftig, standardbasert økosystem som støtter alt fra single-team experimentation til enterprise-scale governance. For offentlig sektor i Norge er lineage tracking og audit trail-capabilities kritiske for å oppfylle AI Act og GDPR. Start med workspace registry for eksperimentering, migrer til Azure ML Registry når modeller skal deles på tvers av teams eller deployes til separate production-miljøer. Automatiser model promotion via CI/CD for å redusere feil og øke hastighet.

skills/ms-ai-engineering/references/mlops-genaiops/responsible-ai-mlops-integration.md

@@ -623,7 +623,7 @@ jobs:
 
 ### Når skal RAI integreres i MLOps?
 
-**Cosmo's rule of thumb:**
+**Rule of thumb:**
 
 > "Hvis modellen tar beslutninger som kan påvirke enkeltpersoners liv, økonomi eller rettigheter — integrer RAI fra dag 1. Hvis modellen optimaliserer interne prosesser uten direkte menneskelig påvirkning, kan RAI utsettes til produksjon, men bør uansett implementeres før go-live."
 
@@ -735,7 +735,7 @@ jobs:
 
 ---
 
-**For Cosmo Skyberg:**
+**For arkitekten:**
 
 Dette dokumentet gir deg en komplett arkitekturoversikt over RAI-integrasjon i MLOps. Nøkkelpunktene for deg som arkitekt er:
 

skills/ms-ai-engineering/references/rag-architecture/azure-ai-search-setup.md

@@ -481,7 +481,7 @@ 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.
+**For arkitekten:** 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 2026-06)

skills/ms-ai-engineering/references/rag-architecture/embedding-models-selection.md

@@ -520,4 +520,4 @@ For teams som ikke har nok treningsdata for fine-tuning, er en domene-tilpasset
 
 ---
 
-**For Cosmo:** Bruk denne referansen når kunden nevner "embedding-problemer", "dårlig retrieval-kvalitet på norsk", "for høye Azure AI Search-kostnader" eller "vi vurderer å bytte embedding-modell". Start alltid med å kartlegge språk, domene og volum før du anbefaler modell. Test ALLTID retrieval-kvalitet med kundens egne data før produksjonsutrulling.
+**For arkitekten:** Bruk denne referansen når kunden nevner "embedding-problemer", "dårlig retrieval-kvalitet på norsk", "for høye Azure AI Search-kostnader" eller "vi vurderer å bytte embedding-modell". Start alltid med å kartlegge språk, domene og volum før du anbefaler modell. Test ALLTID retrieval-kvalitet med kundens egne data før produksjonsutrulling.

skills/ms-ai-engineering/references/rag-architecture/graphrag-knowledge-graphs.md

@@ -316,4 +316,4 @@ GraphRAG introduserer spesifikke personvernrisiki i offentlig sektor:
 
 ---
 
-**For Cosmo Skyberg:** Dette dokumentet skal brukes for å vurdere om GraphRAG-patterns er hensiktsmessige for kundens use case. Prioriter alltid spørsmålet: "Trenger vi faktisk graph traversal, eller holder vector search?" — kompleksitet skal forsvares med klare fordeler. Ved tvil, start med hybrid approach (vector + metadata) før full graph commitment.
+**For arkitekten:** Dette dokumentet skal brukes for å vurdere om GraphRAG-patterns er hensiktsmessige for kundens use case. Prioriter alltid spørsmålet: "Trenger vi faktisk graph traversal, eller holder vector search?" — kompleksitet skal forsvares med klare fordeler. Ved tvil, start med hybrid approach (vector + metadata) før full graph commitment.

skills/ms-ai-engineering/references/rag-architecture/metadata-management-filtering.md

@@ -535,7 +535,7 @@ $filter=personalDataCategories/any(c: c eq 'Helseopplysninger') and legalBasis n
 
 ---
 
-**For Cosmo:**
+**For arkitekten:**
 Metadata management er ofte undervurdert i RAG-prosjekter. Kunder fokuserer på embeddings og vector search, men glemmer at 70% av queries i produksjon inneholder strukturerte filter-kriterier ("bare fra min avdeling", "kun siste år", "høyeste klassifikasjon"). Design metadata-schema tidlig, test med reelle cardinality-tall, og prioritér normalizers og security trimming fra dag 1. I offentlig sektor er compliance non-negotiable — bygg audit trail og retention policies inn fra start.
 
 

skills/ms-ai-engineering/references/rag-architecture/rag-core-patterns.md

@@ -431,7 +431,7 @@ results = search_client.search(
 
 ---
 
-**For Cosmo:** Når kunde spør om RAG, start med "Naive vs Advanced vs Agentic"-beslutningstreet. Identifiser data source, query complexity, og latency-krav først. Hvis offentlig sektor: alltid spør om GDPR/Schrems II/AI Act compliance før du foreslår arkitektur. Hvis customer mangler evaluation strategy: stopp og definer retrieval recall/precision targets før du går videre med implementation.
+**For arkitekten:** Når kunde spør om RAG, start med "Naive vs Advanced vs Agentic"-beslutningstreet. Identifiser data source, query complexity, og latency-krav først. Hvis offentlig sektor: alltid spør om GDPR/Schrems II/AI Act compliance før du foreslår arkitektur. Hvis customer mangler evaluation strategy: stopp og definer retrieval recall/precision targets før du går videre med implementation.
 
 
 ### Hybrid Search — Kjernemønster (oppdatert 2026-04)

skills/ms-ai-engineering/references/rag-architecture/rag-security-rbac.md

@@ -534,7 +534,7 @@ Authorization: Bearer <user-token>
 | Microsoft-stack integrasjon | **Verified** | MCP docs (5, 9) |
 | Offentlig sektor (Norge) | **Baseline** | Modellkunnskap (GDPR, AI Act, norsk lov) |
 | Kostnad og lisensiering | **Baseline** | Estimater basert på Azure pricing (ikke direkte MCP-verified) |
-| For arkitekten (Cosmo) | **Baseline** | Best practices + erfaring |
+| For arkitekten | **Baseline** | Best practices + erfaring |
 
 ---
 

skills/ms-ai-governance/references/monitoring-observability/compliance-monitoring-ai-governance.md

@@ -438,7 +438,7 @@ AppMetrics
 
 ### Fallgruver og mitigering
 
-| Fallgruve | Konsekvens | Cosmo-anbefaling |
+| Fallgruve | Konsekvens | Anbefaling |
 |-----------|------------|------------------|
 | **Dashboard-fatigue** | Governance team overveldes av alerts → ignorerer critical issues | Start med TOP 5 critical metrics, utvid gradvis. Bruk severity-based routing (HIGH → immediate alert, MEDIUM → daily digest) |
 | **Policy without enforcement** | Policies blir "guidelines" ikke "guardrails" → non-compliance fortsetter | Bruk Deny-mode på kritiske policies. Audit-mode kun i pilot-fase. Set deadline for transition (3 mnd pilot → enforcement) |

skills/ms-ai-governance/references/monitoring-observability/cost-monitoring-cost-attribution.md

@@ -525,4 +525,4 @@ if ($metrics.Data.Total -eq 0) {
 
 ---
 
-**For Cosmo:** Bruk denne guiden for å designe kostnadsstrategien basert på kundens modenhetsnivå. Start alltid med Native Cost Analysis + tags, og bygg ut mot gateway-løsning kun hvis chargeback eller detaljert tracking er nødvendig. Husk at fine-tuning hosting costs er en vanlig kostnadsfelle som må adresseres tidlig i prosjektet.
+**For arkitekten:** Bruk denne guiden for å designe kostnadsstrategien basert på kundens modenhetsnivå. Start alltid med Native Cost Analysis + tags, og bygg ut mot gateway-løsning kun hvis chargeback eller detaljert tracking er nødvendig. Husk at fine-tuning hosting costs er en vanlig kostnadsfelle som må adresseres tidlig i prosjektet.

skills/ms-ai-governance/references/monitoring-observability/data-residency-audit-monitoring.md

@@ -517,7 +517,7 @@ Sentralt for norsk offentlig sektor på Microsoft Cloud:
 - ❌ Kompleksere compliance (må verifisere begge regioner)
 - ❌ Risk for misconfiguration → data leakage
 
-**Cosmo's anbefaling:**
+**Anbefaling:**
 For norsk offentlig sektor med AI workloads: **Start single-region (Norway East), evaluer multi-region når availability SLA krev det**. Implementer Azure Site Recovery for disaster recovery til Norway West (som også er innenfor EU Data Boundary).
 
 ## Kilder og verifisering

skills/ms-ai-governance/references/monitoring-observability/model-performance-drift-detection.md

@@ -413,4 +413,4 @@ Model monitoring er inkludert i Azure Machine Learning workspace, men du betaler
 | Integrasjon Microsoft-stakken | High | Verified (Event Grid integration, AI Foundry observability) |
 | Offentlig sektor (Norge) | Medium | Baseline (AI Act, GDPR) + Verified (Schrems II data residency) |
 | Kostnad og lisensiering | Medium | Baseline (Azure pricing estimates for Norway East, feb 2026) |
-| For arkitekten (Cosmo) | High | Verified (best practices) + Baseline (enterprise architecture) |
+| For arkitekten | High | Verified (best practices) + Baseline (enterprise architecture) |

skills/ms-ai-governance/references/norwegian-public-sector-governance/accessibility-requirements-wcag-norway.md

@@ -400,4 +400,4 @@ Hvis en kommune bruker en AI-chatbot for saksbehandling, må tilgjengelighetserk
 
 ---
 
-**For Cosmo Skyberg:** Dette dokumentet skal brukes når kunde nevner "tilgjengelighet", "universell utforming", "WCAG", "funksjonshemmede brukere", eller når løsningen er for norsk offentlig sektor (der UU er lovpålagt). Kombiner med `eu-ai-act.md` og `norwegian-public-sector-ai-governance.md` for helhetlig vurdering.
+**For arkitekten:** Dette dokumentet skal brukes når kunde nevner "tilgjengelighet", "universell utforming", "WCAG", "funksjonshemmede brukere", eller når løsningen er for norsk offentlig sektor (der UU er lovpålagt). Kombiner med `eu-ai-act.md` og `norwegian-public-sector-ai-governance.md` for helhetlig vurdering.

skills/ms-ai-governance/references/norwegian-public-sector-governance/copyright-ai-training-data-norway.md

@@ -264,4 +264,4 @@ Når du veileder norsk offentlig sektor om AI og opphavsrett, vurder disse spør
 
 ---
 
-**Note til Cosmo:** Denne kunnskapsbasen reflekterer rettstilstanden per februar 2026, hvor AI Act-implementering i Norge er nært forestående (august 2026) og DSM-direktivet ennå ikke er implementert. Vær oppmerksom på at dette er et juridisk område under rask utvikling. Råd alltid offentlig sektor til å søke juridisk bistand for spesifikke spørsmål om opphavsrett og AI-treningsdata, spesielt i forbindelse med anskaffelser og egenutviklede løsninger.
+**Note:** Denne kunnskapsbasen reflekterer rettstilstanden per februar 2026, hvor AI Act-implementering i Norge er nært forestående (august 2026) og DSM-direktivet ennå ikke er implementert. Vær oppmerksom på at dette er et juridisk område under rask utvikling. Råd alltid offentlig sektor til å søke juridisk bistand for spesifikke spørsmål om opphavsrett og AI-treningsdata, spesielt i forbindelse med anskaffelser og egenutviklede løsninger.

skills/ms-ai-governance/references/norwegian-public-sector-governance/utredningsinstruksen-ai-methodology.md

@@ -60,7 +60,7 @@ Beskriv problemet tiltaket skal løse, og hvilke mål som skal nås.
 **Eksempel:**
 "Saksbehandlingstid i NAV for førstegangssøknader er 45 dager. Mål: Redusere til 20 dager ved AI-assistert dokumentklassifisering og informasjonsutvinning."
 
-**Cosmo-spørsmål:**
+**Spørsmål:**
 - Er problemformuleringen spesifikk nok til å evaluere AI-løsninger?
 - Finnes baseline-data som kan måle effekt?
 
@@ -87,7 +87,7 @@ For hvert alternativ må du vurdere:
 - **Implementeringstid**
 - **Reversibilitet** (kan vi gå tilbake hvis det ikke fungerer?)
 
-**Cosmo-anbefaling:**
+**Anbefaling:**
 Start alltid med minst tre alternativer (null + to AI-løsninger). Vurder hybridløsninger der AI assisterer, men mennesker tar endelige beslutninger.
 
 ---
@@ -158,7 +158,7 @@ Beskriv positive og negative virkninger, varighet og hvem som påvirkes.
 
 **Varighet:** Er effektene midlertidige (pilotfase) eller permanente? Når inntrer gevinster?
 
-**Cosmo-spørsmål:**
+**Spørsmål:**
 - Har dere vurdert ikke-intenderte konsekvenser (f.eks. brukere som tilpasser atferd for å "lure" AI)?
 - Hvordan måles faktisk virkning post-implementering?
 
@@ -194,7 +194,7 @@ Beskriv involvering av berørte parter.
 
 **Dokumentasjon:** Loggfør hvem som er involvert, når, og hvordan tilbakemeldinger påvirket beslutninger.
 
-**Cosmo-anbefaling:**
+**Anbefaling:**
 Involver alltid sluttbrukere i POC-fase. "AI-optimisme" hos ledelse må balanseres med realisme fra de som skal bruke systemet daglig.
 
 ---
@@ -239,7 +239,7 @@ Beskriv ressurser, kompetanse, organisering og andre forutsetninger.
 - **Fallback:** Kan vi fortsette manuelt hvis AI feiler?
 - **Monitorering:** Hvordan overvåkes modellens ytelse over tid?
 
-**Cosmo-checkpoint:**
+**Checkpoint:**
 - Sjekk om alle forutsetninger er **realistiske** (ikke optimistiske antakelser)
 - Identifiser **kritiske avhengigheter** (hva kan stoppe prosjektet?)
 
@@ -414,7 +414,7 @@ Utredningsinstruksen krever at utredning skal være **"så omfattende og grundig
 | Offentlig tjeneste (høy-risiko AI Act) | Omfattende: Full utredning, DPIA, samfunnsøkonomi, ekstern kvalitetssikring |
 | Kritisk infrastruktur (f.eks. helsediagnostikk) | Meget omfattende: Alle analyser + uavhengig validering, kliniske studier |
 
-**Cosmo-anbefaling:**
+**Anbefaling:**
 Selv ved "lett" utredning, **gjør alltid:**
 1. Risikoklassifisering (AI Act)
 2. Personvernssjekk (trenger vi DPIA?)
@@ -545,7 +545,7 @@ Innbygger → AI-system (regelbasert + ML) → Automatisk vedtak (med innsyn)
 Krav: Høy nøyaktighet, transparens, klageadgang
 Eksempel: Automatisk utbetaling av barnetrygd (regel-basert med ML-fraud detection)
 
-**Cosmo-anbefaling:**
+**Anbefaling:**
 Start med **hybrid** (menneske i løkken), selv om teknologien kunne gjort det fullt automatisk. Bygg tillit gradvis.
 
 ---
@@ -685,7 +685,7 @@ Start med **hybrid** (menneske i løkken), selv om teknologien kunne gjort det f
 **Lav konfidens (50%):**
 - Eksakte timelines for AI Act-ikrafttredelse i Norge (avhenger av EØS-prosess)
 
-**Cosmo-anbefaling:**
+**Anbefaling:**
 Verifiser alltid aktuelle lover og forskrifter på regjeringen.no og lovdata.no før beslutning. Denne filen er en veiledning, ikke juridisk rådgivning.
 
 ---

skills/ms-ai-governance/references/responsible-ai/ai-act-annex-iii-checklist.md

@@ -524,4 +524,4 @@ Den nye forvaltningsloven (vedtatt 3. juni 2025, Prop. 79 L (2024-2025)) innehol
 
 **Dokumentets status:** GA (Generally Available)
 **Neste oppdatering anbefales:** Q3 2026 (når EU Commission publiserer Art. 6(3) guidelines og norsk AI Act-lov vedtas)
-**Owner (Cosmo):** Oppdater ved nye Nkom-retningslinjer, EU guidelines, eller norsk lovvedtak.
+**Owner:** Oppdater ved nye Nkom-retningslinjer, EU guidelines, eller norsk lovvedtak.

skills/ms-ai-governance/references/responsible-ai/ai-act-compliance-guide.md

@@ -735,4 +735,4 @@ Tre nivåer av human oversight:
 
 **Dokumentets status:** GA (Generally Available)
 **Neste oppdatering anbefales:** Q3 2026 (når EU Commission publiserer detailed guidelines per Art. 6)
-**Owner (Cosmo):** Oppdater ved nye Nkom-retningslinjer eller Microsoft-feature launches.
+**Owner:** Oppdater ved nye Nkom-retningslinjer eller Microsoft-feature launches.

skills/ms-ai-governance/references/responsible-ai/ai-risk-taxonomy-classification.md

@@ -388,10 +388,10 @@ Hvis kunden beskriver noen av disse, **stopp og advare**:
 ### Typiske misvær
 
 **Misforståelse:** "Vi bruker bare Azure OpenAI, så vi har ingen high-risk AI."
-**Cosmo-svar:** "Azure OpenAI selv er ikke high-risk, men *bruken* kan være det. Hvis systemet deres tar beslutninger om ansettelse, kreditt, eller helsediagnoser, er det high-risk uavhengig av underliggende teknologi."
+**Svar:** "Azure OpenAI selv er ikke high-risk, men *bruken* kan være det. Hvis systemet deres tar beslutninger om ansettelse, kreditt, eller helsediagnoser, er det high-risk uavhengig av underliggende teknologi."
 
 **Misforståelse:** "Vi trenger ikke HITL fordi modellen er veldig nøyaktig."
-**Cosmo-svar:** "HITL handler ikke bare om nøyaktighet – det handler om accountability og compliance. EU AI Act krever human oversight for high-risk systems uavhengig av modellprestasjon."
+**Svar:** "HITL handler ikke bare om nøyaktighet – det handler om accountability og compliance. EU AI Act krever human oversight for high-risk systems uavhengig av modellprestasjon."
 
 ### Praktisk verktøy-stack for risk assessment
 

skills/ms-ai-governance/references/responsible-ai/gdpr-compliance-ai-systems.md

@@ -595,4 +595,4 @@ Norge implementerer GDPR gjennom personopplysningsloven. Datatilsynet er tilsyns
 
 ---
 
-**Oppsummering for Cosmo**: GDPR-compliance for AI-systemer er ikke valgfritt — det er lovpålagt for alle organisasjoner som behandler personopplysninger fra EU/EØS-borgere. Microsoft Azure AI-stakken tilbyr sterke GDPR-capabilities out-of-the-box (encryption, data residency, no training on customer data), men arkitekten må aktivt designe for data minimization, user rights, transparency, og accountability. Bruk Microsoft Purview for automatisert compliance-monitorering, gjennomfør DPIA for høyrisikobehandling, og implementer zero-trust data access for AI agents. Ved tvil, konsulter juridisk rådgiver og gjennomfør DPIA.
+**Oppsummering**: GDPR-compliance for AI-systemer er ikke valgfritt — det er lovpålagt for alle organisasjoner som behandler personopplysninger fra EU/EØS-borgere. Microsoft Azure AI-stakken tilbyr sterke GDPR-capabilities out-of-the-box (encryption, data residency, no training on customer data), men arkitekten må aktivt designe for data minimization, user rights, transparency, og accountability. Bruk Microsoft Purview for automatisert compliance-monitorering, gjennomfør DPIA for høyrisikobehandling, og implementer zero-trust data access for AI agents. Ved tvil, konsulter juridisk rådgiver og gjennomfør DPIA.

skills/ms-ai-governance/references/responsible-ai/red-teaming-ai-models.md

@@ -471,7 +471,7 @@ jobs:
 
 ### Trade-offs og gotchas
 
-| Trade-off | Implikasjon | Cosmos råd |
+| Trade-off | Implikasjon | Råd |
 |-----------|-------------|------------|
 | **Automated vs. Manual red teaming** | Automated gir scale, manual gir creativity og edge-case discovery | Start automated (PyRIT), supplement med manual quarterly |
 | **Local vs. Cloud** | Local gir data control, cloud gir agentic risk coverage | Hybrid: PyRIT for CI/CD, AI Red Teaming Agent for pre-deployment gates |

skills/ms-ai-governance/references/responsible-ai/responsible-ai-framework-overview.md

@@ -374,5 +374,5 @@ A: Ja for high-risk use cases (biometrics, critical infrastructure). Nei for low
 
 ---
 
-**For Cosmo:**
+**For arkitekten:**
 Dette er oversikten du trenger for å veilede kunder om Responsible AI. Bruk de seks prinsippene som utgangspunkt, match dem mot kundens compliance-krav (GDPR, forvaltningsloven), og anbefal konkrete verktøy basert på use case (RAI Dashboard for ML, Content Safety for generative AI, Purview for governance). Husk: RAI er ikke etikk-teater — det er lovpålagt risk management.

skills/ms-ai-governance/references/responsible-ai/responsible-ai-training-awareness.md

@@ -517,7 +517,7 @@ Er det custom AI (ikke bare ferdiglagde features)?
           └─ Nei → Valgfritt (men anbefales)
 ```
 
-**Cosmo's one-liner:**
+**One-liner:**
 > "Responsible AI training er ikke en 'nice-to-have' — det er fundamentet for at AI-løsningen ikke skal kollapse under etiske, regulatoriske eller tillitsmessige belastninger."
 
 ---

skills/ms-ai-governance/references/responsible-ai/transparency-documentation-standards.md

@@ -792,4 +792,4 @@ Return on investment: Transparency er billigere enn cleanup. Skal vi prioritere
 
 ---
 
-**For Cosmo:** Denne kunnskapsbasen dekker både teknisk implementasjon (Azure ML dashboard, Azure OpenAI annotations) og organisatorisk praksis (governance workflows, compliance mapping). Bruk decision trees og scenario-spesifikke recommendations for å guide kunder gjennom transparency-design. Vekt living documentation-prinsippet — transparency er ikke en one-time artifact, men en ongoing practice.
+**For arkitekten:** Denne kunnskapsbasen dekker både teknisk implementasjon (Azure ML dashboard, Azure OpenAI annotations) og organisatorisk praksis (governance workflows, compliance mapping). Bruk decision trees og scenario-spesifikke recommendations for å guide kunder gjennom transparency-design. Vekt living documentation-prinsippet — transparency er ikke en one-time artifact, men en ongoing practice.

skills/ms-ai-security/references/ai-security-engineering/ai-incident-response-procedures.md

@@ -608,4 +608,4 @@ Set-AzSecurityContact -Name "default1" `
 
 ---
 
-**For Cosmo:** Dette er et komplett utgangspunkt for å diskutere incident response-strategi med klienter. Start med maturity assessment, map til ett av de fire scenarioene (startup/scale-up/enterprise/offentlig), og tilpass playbooks basert på deres AI-specific risk profile. Husk: Incident response er ikke "set it and forget it" — kontinuerlig tuning og tabletop exercises er essensielt for å holde organisasjonen klar.
+**For arkitekten:** Dette er et komplett utgangspunkt for å diskutere incident response-strategi med klienter. Start med maturity assessment, map til ett av de fire scenarioene (startup/scale-up/enterprise/offentlig), og tilpass playbooks basert på deres AI-specific risk profile. Husk: Incident response er ikke "set it and forget it" — kontinuerlig tuning og tabletop exercises er essensielt for å holde organisasjonen klar.

skills/ms-ai-security/references/ai-security-engineering/ai-prompt-shield-network.md

@@ -525,6 +525,6 @@ Prompt Shield er **obligatorisk** for alle produksjons-AI-systemer med ekstern b
 
 ---
 
-**For Cosmo:**
+**For arkitekten:**
 
 Prompt injection er den mest undervurderte AI-sikkerhetsrisikoen i norsk offentlig sektor. Mange organisasjoner fokuserer på nettverkssikkerhet og access control, men glemmer at LLM-en selv kan bli "hacket" via ondsinnet tekst. Prompt Shields gir et konkret, enkelt å aktivere forsvarslag som direkte adresserer OWASP LLM #1 og er i linje med NSM Grunnprinsipper. Anbefal det alltid — kostnadene er lave, risikoredusjonen er høy.

skills/ms-ai-security/references/ai-security-engineering/security-copilot-integration.md

@@ -464,7 +464,7 @@ Basert på offisiell Microsoft Learn-dokumentasjon (sist verifisert 2026-06 via
 
 ---
 
-**For Cosmo:**
+**For arkitekten:**
 
 Security Copilot er et av de mest konkrete AI-verdiforslaget i Microsoft-stakken for sikkerhetsteam. Det er ikke "AI for AI's skyld" — det er direkte tidsbesparelse på veldefinerte oppgaver.
 

skills/ms-ai-security/references/ai-security-engineering/zero-trust-ai-services.md

@@ -934,7 +934,7 @@ Denne guiden er basert på følgende Microsoft Learn-dokumentasjon (sist verifis
 
 ---
 
-**For Cosmo:**
+**For arkitekten:**
 
 Når en kunde spør om "Hvordan sikrer jeg AI-tjenester?", nevn denne guiden og gi konkrete anbefalinger basert på deres scenario:
 - Er det service-to-service kommunikasjon? → Managed Identity + Private Endpoint

skills/ms-ai-security/references/cost-optimization/azure-cost-management-ai.md

@@ -246,7 +246,7 @@ Azure Cost Management aggregerer kostnader per dag, men fakturering skjer måned
 
 ### Fallgruver per modenhetsnivå
 
-| Modenhetsnivå | Typisk fallgruve | Cosmo-anbefaling |
+| Modenhetsnivå | Typisk fallgruve | Anbefaling |
 |---------------|------------------|------------------|
 | **Beginner** | Oppretter kun ét budsjett for hele subscriptionen, mangler granularitet | Start med resource group-budsjetter per team, bruk templates for konsistens |
 | **Intermediate** | Ignorerer forecast alerts, reagerer kun på 100%-overskridelse | Implementer forecast alerts (110%) med eskalert respons |
@@ -287,7 +287,7 @@ Azure Cost Management aggregerer kostnader per dag, men fakturering skjer måned
 | Beslutningsveiledning | **Verified** | Cost optimization best practices (Well-Architected) |
 | Integrasjon med Microsoft-stakken | **Verified** | Official docs (tags, Power BI, Azure Monitor) |
 | Offentlig sektor (Norge) | **Domain Expertise** | KTG/DDT-kontekst, ikke Microsoft-spesifikk |
-| For arkitekten (Cosmo) | **Baseline + Best Practices** | Syntetisert fra research + field experience |
+| For arkitekten | **Baseline + Best Practices** | Syntetisert fra research + field experience |
 
 ---
 

skills/ms-ai-security/references/cost-optimization/reserved-capacity-planning.md

@@ -575,7 +575,7 @@ Tilgjengelig i deployment workflow:
 
 ---
 
-**For Cosmo:**
+**For arkitekten:**
 
 Denne kunnskapen er kritisk for **cost optimization discussions** med kunder. Viktigste takeaways:
 

skills/ms-ai-security/references/cost-optimization/small-language-models-economics.md

@@ -637,7 +637,7 @@ az webapp create --name webapp-slm-phi4 --resource-group rg-slm-norway --plan pl
 | **Integrasjon med Microsoft-stakken** | Verified | MCP (code samples, deployment guides) |
 | **Offentlig sektor (Norge)** | Baseline | Domenekunnskap (norsk offentlig sektor) |
 | **Kostnad og lisensiering** | Verified (priseksempler) + Baseline (TCO-kalkulasjoner) | MCP (Azure-priser) + estimering |
-| **For arkitekten (Cosmo)** | Baseline | Erfaringsbaserte anbefalinger |
+| **For arkitekten** | Baseline | Erfaringsbaserte anbefalinger |
 
 ---
 

tests/kb-update/test-cosmo-labels.test.mjs

@@ -0,0 +1,199 @@
+// test-cosmo-labels.test.mjs — R13b: neutralise the MECHANICAL persona occurrences that
+// sit OUTSIDE headings in the reference corpus — bold labels and table cells.
+//
+// THE SCOPE IS A MEASUREMENT, NOT THE ORDER'S PREMISE. The dispatching order carried
+// "MEKANISK 85 / REDAKSJONELT 47", itself a correction of an earlier "87/45". Re-measured
+// 2026-09-12 over skills/*/references (389 files), that split is wrong too — and wrong in
+// the CLASSIFIER, not in the count. Three findings, all pinned by tests below:
+//
+//   1. FOURTEEN bold labels are DIALOGUE SPEAKER ATTRIBUTIONS, not labels. The dialogue
+//      bucket only ever matched the italic form `*Cosmo:*`; the bold form sits in front of
+//      quoted speech —  **Naar kunden sier:** "..." / **Cosmo svarer:** "..."  — and
+//      deleting it leaves the quote with no speaker. Editorial, not mechanical.
+//   2. TEN table cells are PROVENANCE CLAIMS in the source-quality column ("Moenstre er
+//      Cosmo-design", "Raadgivende innhold basert paa Cosmo-persona"). Cell position splits
+//      the 26 table occurrences into three classes, not one: 12 row labels (column 0),
+//      4 column headers, 10 provenance. Rewriting a provenance claim asserts something new
+//      about where the content came from; one of the ten has no deletion target at all.
+//      Six of the order's nine compound forms live entirely inside this class.
+//   3. Leaking the OTHER way, +1 mechanical: reasoning-models-o1-o3-optimization.md:549
+//      `- **For arkitekten (Cosmo):** ...` is exactly the target class, but a line-start
+//      anchored regex cannot see it behind the `- ` list marker, so it was booked as prose.
+//
+// MEASURED SPLIT: MEKANISK 62 (46 labels + 16 table cells) / REDAKSJONELT 70. Sum 132
+// unchanged. Operator-ratified 2026-09-15: run the 62; dialogue and provenance go to R14's
+// editorial pass, because both hang on the never-answered #R14-persona-ramme (neutral
+// frame / new named persona / none) while the 62 do not — R13 already executed
+// `For Cosmo` -> `For arkitekten` across 401 headings, so this only makes labels and table
+// rows consistent with a decision that has ALREADY run.
+import { test } from 'node:test';
+import assert from 'node:assert/strict';
+import { readFileSync, globSync } from 'node:fs';
+import { join, dirname } from 'node:path';
+import { fileURLToPath } from 'node:url';
+import {
+  LABEL_MAP,
+  EDITORIAL_LABELS,
+  TABLE_CELL_MAP,
+  EDITORIAL_CELLS,
+  classifyPersonaSites,
+  neutralizeLabels,
+} from '../../scripts/kb-update/lib/cosmo-persona.mjs';
+
+const PLUGIN_ROOT = join(dirname(fileURLToPath(import.meta.url)), '..', '..');
+const refFiles = () => globSync('skills/*/references/**/*.md', { cwd: PLUGIN_ROOT }).sort();
+
+// ------------------------------------------------------------------ the ratified tables
+
+test('LABEL_MAP is the 16 ratified bold-label variants', () => {
+  assert.equal(Object.keys(LABEL_MAP).length, 16);
+  assert.equal(LABEL_MAP['For Cosmo:'], 'For arkitekten:');
+  assert.equal(LABEL_MAP['For Cosmo Skyberg:'], 'For arkitekten:');
+  assert.equal(LABEL_MAP['For arkitekten (Cosmo):'], 'For arkitekten:');
+  assert.equal(LABEL_MAP['Cosmo-anbefaling:'], 'Anbefaling:');
+  assert.equal(LABEL_MAP['Owner (Cosmo):'], 'Owner:');
+  assert.equal(LABEL_MAP['Til Cosmo:'], 'Til arkitekten:');
+  assert.equal(LABEL_MAP["Cosmo's rule of thumb:"], 'Rule of thumb:');
+});
+
+test('TABLE_CELL_MAP is the 4 ratified cell variants, bold form kept bold', () => {
+  assert.equal(Object.keys(TABLE_CELL_MAP).length, 4);
+  assert.equal(TABLE_CELL_MAP['For arkitekten (Cosmo)'], 'For arkitekten');
+  assert.equal(TABLE_CELL_MAP['**For arkitekten (Cosmo)**'], '**For arkitekten**');
+  assert.equal(TABLE_CELL_MAP['Cosmo-anbefaling'], 'Anbefaling');
+  assert.equal(TABLE_CELL_MAP['Cosmos raad'.replace('raad', 'råd')], 'Råd');
+});
+
+test('no target invents a word absent from its source (R13 invariant, reused)', () => {
+  // Identical rule to HEADING_MAP's: dropping words is allowed, inventing one is not,
+  // except the two substitutions the operator sanctioned for the persona token.
+  const SANCTIONED = new Set(['arkitekten', 'å']);
+  const words = (s) => s.toLowerCase().split(/[^\p{L}\p{N}]+/u).filter(Boolean);
+  for (const [from, to] of Object.entries({ ...LABEL_MAP, ...TABLE_CELL_MAP })) {
+    const src = new Set(words(from));
+    for (const w of words(to)) {
+      assert.ok(src.has(w) || SANCTIONED.has(w), `target invents "${w}": "${from}" -> "${to}"`);
+    }
+  }
+});
+
+test('every mapped target is itself persona-free, and the two sets are disjoint', () => {
+  for (const [from, to] of Object.entries({ ...LABEL_MAP, ...TABLE_CELL_MAP })) {
+    assert.ok(!/cosmo/i.test(to), `target keeps persona: "${from}" -> "${to}"`);
+  }
+  for (const k of EDITORIAL_LABELS) assert.equal(LABEL_MAP[k], undefined, `"${k}" in both sets`);
+  for (const k of EDITORIAL_CELLS) assert.equal(TABLE_CELL_MAP[k], undefined, `"${k}" in both sets`);
+});
+
+test('the editorial sets are the measured dialogue and provenance classes', () => {
+  assert.equal(EDITORIAL_LABELS.size, 8);
+  assert.ok(EDITORIAL_LABELS.has('Cosmo svarer:'));
+  assert.ok(EDITORIAL_LABELS.has('Cosmo:'));
+  assert.equal(EDITORIAL_CELLS.size, 10);
+  assert.ok(EDITORIAL_CELLS.has('Rådgivende innhold basert på Cosmo-persona'));
+});
+
+// ------------------------------------------------------------------ KLAUSUL 2: reach
+
+test('the corpus carries ZERO mechanical sites, and the editorial ones are all still there', () => {
+  // Asserts the state AFTER the transform. The pre-transform reference point — 62 mechanical
+  // in 50 files — lives in cosmo-labels-baseline.json and is read from there rather than
+  // restated here: a number asserted in two places drifts, and the baseline is the artefact
+  // the gate compares against. The test below pins that the two agree.
+  const t = { mechLabel: 0, mechCell: 0, edLabel: 0, edCell: 0, unmapped: [] };
+  for (const rel of refFiles()) {
+    const s = classifyPersonaSites(readFileSync(join(PLUGIN_ROOT, rel), 'utf8'));
+    t.mechLabel += s.label.mechanical;
+    t.mechCell += s.table.mechanical;
+    t.edLabel += s.label.editorial;
+    t.edCell += s.table.editorial;
+    for (const u of s.unmapped) t.unmapped.push(`${rel}: ${u}`);
+  }
+  assert.deepEqual(t.unmapped, [], 'an unmeasured persona site exists — the net has a hole');
+  assert.equal(t.mechLabel + t.mechCell, 0, 'R13b is executed: no mechanical site remains');
+  assert.equal(t.edLabel, 16, 'dialogue (14) + the order\u2019s own 2 sentence forms, held for R14');
+  assert.equal(t.edCell, 10, 'provenance cells held back for R14');
+});
+
+test('the ratified tables and the gate baseline describe the SAME 62 occurrences', () => {
+  // The baseline is a reference-point artefact: it records what the corpus looked like BEFORE
+  // the transform, and must never be silently re-emitted. This pins its arithmetic against the
+  // tables that produced it, so a regenerated-over baseline shows up as a failing test.
+  const b = JSON.parse(readFileSync(join(PLUGIN_ROOT, 'scripts/kb-update/data/cosmo-labels-baseline.json'), 'utf8'));
+  assert.equal(b.mechanicalLabels, 46);
+  assert.equal(b.mechanicalCells, 16);
+  assert.equal(b.mechanicalTotal, 62);
+  assert.equal(b.mechanicalFiles, 50);
+  // The 70 editorial occurrences split 16 labels + 10 cells + 44 that sit at no label or
+  // cell site at all (plain prose, italic dialogue, provenance footers) — R14's, every one.
+  assert.equal(b.editorialLabels + b.editorialCells, 26);
+  assert.equal(b.editorialTotal - b.editorialLabels - b.editorialCells, 44);
+  assert.equal(b.personaProseBefore - b.mechanicalTotal, b.personaProseAfter);
+  assert.equal(b.personaProseBefore, 132, 'R13 left 132 persona occurrences outside headings');
+  assert.equal(b.personaProseAfter, 70, 'R13b leaves 70 for R14');
+  assert.equal(b.productOccurrences, 451, 'the Azure Cosmos DB mentions R1/R3 protect');
+});
+
+test('reach: the list-item label behind a "- " marker is INSIDE scope', () => {
+  // Finding 3. A line-start-anchored net books this as prose and silently misses it.
+  const src = '- **For arkitekten (Cosmo):** Baseline (erfaring + Cosmo-persona)\n';
+  const s = classifyPersonaSites(src);
+  assert.equal(s.label.mechanical, 1);
+  const { content } = neutralizeLabels(src);
+  assert.equal(content, '- **For arkitekten:** Baseline (erfaring + Cosmo-persona)\n');
+});
+
+test('reach: a label form the tables do not know is REPORTED, never silently skipped', () => {
+  // KLAUSUL 2's known-positive: construct an in-class occurrence the transform cannot
+  // handle and assert it surfaces as unmapped rather than passing through untouched.
+  const s = classifyPersonaSites('**Cosmo-hjørnet:** noe tekst\n');
+  assert.deepEqual(s.unmapped, ['label: "Cosmo-hjørnet:"']);
+  assert.throws(() => neutralizeLabels('**Cosmo-hjørnet:** noe tekst\n'), /ukjent persona-etikett/);
+});
+
+// ------------------------------------------------------------------ KLAUSUL 1: referent
+
+test('known-negative: a product label and a product table row must NOT be touched', () => {
+  // The second is the dangerous one: it LOOKS like a persona label and is product.
+  const src = '**Cosmos DB-anbefaling:** bruk autoscale\n\n| Azure Cosmos DB | 8000 NOK |\n';
+  const s = classifyPersonaSites(src);
+  assert.equal(s.label.mechanical + s.table.mechanical, 0);
+  assert.deepEqual(s.unmapped, []);
+  assert.equal(neutralizeLabels(src).content, src, 'product content was rewritten');
+});
+
+test('known-positive: both injected forms trip the net, genitive included', () => {
+  const s = classifyPersonaSites('**For Cosmo:** x\n\n| Trade-off | Cosmos råd |\n');
+  assert.equal(s.label.mechanical, 1);
+  assert.equal(s.table.mechanical, 1);
+});
+
+// ------------------------------------------------------------------ KLAUSUL 3: what stays
+
+test('neutralizeLabels leaves dialogue and provenance byte-identical', () => {
+  const src = [
+    '**Når kunden sier:** "Vi må teste sikkerheten"',
+    '**Cosmo svarer:**',
+    '1. Start med PyRIT',
+    '',
+    '| Beslutningsveiledning | **Baseline** | Cosmo-syntese av verified sources |',
+    '',
+  ].join('\n');
+  assert.equal(neutralizeLabels(src).content, src);
+});
+
+test('neutralizeLabels is idempotent and never changes the line count', () => {
+  const src = '**For Cosmo:** x\n| For arkitekten (Cosmo) | Baseline | y |\n';
+  const once = neutralizeLabels(src).content;
+  assert.equal(neutralizeLabels(once).content, once);
+  assert.equal(once.split('\n').length, src.split('\n').length);
+  assert.equal(once, '**For arkitekten:** x\n| For arkitekten | Baseline | y |\n');
+});
+
+test('a table row rewrites only the mapped cell, leaving its siblings byte-identical', () => {
+  const src = '| For arkitekten (Cosmo) | **Baseline** | Best practices + erfaring |\n';
+  assert.equal(
+    neutralizeLabels(src).content,
+    '| For arkitekten | **Baseline** | Best practices + erfaring |\n',
+  );
+});