feat(ms-ai-architect): Spor 1 — Port-1-substrat migrert på 4 ikke-advisor-skills (243 Source + 327 Type + 325 TOC + stale-verified poison fjernet) [skip-docs]

Steg 9 (R4): unified migrate-corpus.mjs --write over engineering/governance/
infrastructure/security. 327 filer mutert, verified=null, prosa byte-identisk
(fra første ## seksjon), advisor urørt (0 endringer).

To applier-fixes oppdaget under kjøring (TDD, RED→GREEN):
- insertHeaderFields: anker faller nå tilbake når en meta-linje selv passerer
  500B (2 filer pakket et avsnitt i **Status:** → Type/Source landet utenfor
  scan-vinduet, applierens post-write-assertion fanget + restaurerte).
- normalizeStaleVerified: fjerner nå ALLE stale non-date **Verified:** i
  500B-vinduet, inkl. stray body-dup rett under --- (9 mlops-genaiops-filer var
  ellers falskt "verified"/fresh, droppet fra worklist). Operatør-godkjent
  utvidelse av carve-out; kun stray metadata-linjer, aldri prosa.

test-transform-criterion: precondition oppdatert til post-migrasjons-sannhet
(fila bærer nå Source). Suite 728/728 grønn.

skills/ms-ai-engineering/references/api-management/semantic-caching-apim.md

@@ -3,9 +3,26 @@
 **Last updated:** 2026-02
 **Status:** GA
 **Category:** API Management & AI Gateway
+**Type:** reference
 
 ---
 
+## Innhold
+
+- [Introduksjon](#introduksjon)
+- [Arkitektur](#arkitektur)
+- [Forutsetninger](#forutsetninger)
+- [Cache-lookup og Cache-store Policies](#cache-lookup-og-cache-store-policies)
+- [Embedding-Based Similarity](#embedding-based-similarity)
+- [Cache Invalidation Strategies](#cache-invalidation-strategies)
+- [Cost Savings Analysis](#cost-savings-analysis)
+- [Privacy Considerations](#privacy-considerations)
+- [Rate Limiting etter Cache Lookup](#rate-limiting-etter-cache-lookup)
+- [Verifisering og feilsøking](#verifisering-og-feilsøking)
+- [Komplett policy for semantic caching](#komplett-policy-for-semantic-caching)
+- [Tier-kompatibilitet](#tier-kompatibilitet)
+- [For Cosmo](#for-cosmo)
+
 ## Introduksjon
 
 Semantic caching i Azure API Management er en teknikk som reduserer kostnader og latens for LLM-baserte applikasjoner ved å gjenbruke tidligere genererte completions. I motsetning til tradisjonell nøkkelbasert caching, bruker semantic caching embeddings og vektorlikhet til å identifisere semantisk like prompts -- selv når ordlyden er forskjellig. "Hva er hovedstaden i Norge?" og "Hvilken by er Norges hovedstad?" gir samme cachede svar.