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/token-rate-limiting-policies.md

@@ -3,9 +3,26 @@
 **Last updated:** 2026-02
 **Status:** GA
 **Category:** API Management & AI Gateway
+**Type:** reference
 
 ---
 
+## Innhold
+
+- [Introduksjon](#introduksjon)
+- [Token-telling i APIM](#token-telling-i-apim)
+- [Policy-referanse](#policy-referanse)
+- [Counter-key-strategier](#counter-key-strategier)
+- [Rate Limit-algoritmer](#rate-limit-algoritmer)
+- [Kvoter over lengre perioder](#kvoter-over-lengre-perioder)
+- [Multi-region-hensyn](#multi-region-hensyn)
+- [Feilhåndtering og respons-headers](#feilhåndtering-og-respons-headers)
+- [Burst Allowances og Concurrency Control](#burst-allowances-og-concurrency-control)
+- [Monitorering av token-forbruk](#monitorering-av-token-forbruk)
+- [Tier-kompatibilitet](#tier-kompatibilitet)
+- [Best Practices](#best-practices)
+- [For Cosmo](#for-cosmo)
+
 ## Introduksjon
 
 Token-basert rate limiting er den viktigste mekanismen for å kontrollere forbruk av AI-tjenester i Azure API Management. I motsetning til tradisjonell request-basert throttling, teller APIM faktisk antall tokens som konsumeres av hver LLM-forespørsel og håndhever grenser basert på dette. Dette er essensielt for norsk offentlig sektor der flere etater og prosjekter deler Azure OpenAI-ressurser og trenger presis kostnadskontroll.