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/data-engineering/delta-lake-parquet-optimization.md

@@ -3,9 +3,23 @@
 **Last updated:** 2026-06-24
 **Status:** GA
 **Category:** Data Engineering for AI
+**Type:** reference
+**Source:** https://learn.microsoft.com/fabric/data-engineering/delta-optimization-and-v-order
 
 ---
 
+## Innhold
+
+- [Introduksjon](#introduksjon)
+- [Delta Lake ACID Transactions and Z-Order](#delta-lake-acid-transactions-and-z-order)
+- [Parquet Compression Codecs and Row Groups](#parquet-compression-codecs-and-row-groups)
+- [File Size Tuning and Auto-Compaction](#file-size-tuning-and-auto-compaction)
+- [V-Order Optimization](#v-order-optimization)
+- [Small File Handling and Garbage Collection](#small-file-handling-and-garbage-collection)
+- [Best Practices for AI-arbeidsbelastninger](#best-practices-for-ai-arbeidsbelastninger)
+- [Referanser](#referanser)
+- [For Cosmo](#for-cosmo)
+
 ## Introduksjon
 
 Delta Lake er det foretrukne tabellformatet i Microsoft Fabric, bygget oppå Apache Parquet med ACID-transaksjoner, skjemavalidering og tidsreise. For AI-arbeidsbelastninger er ytelsen til underliggende lagring kritisk: dårlig filstruktur kan gjore treningsjobber 10x tregere og forre til unodvendig hoy kostnad. Optimalisering av Delta Lake og Parquet-filer er derfor en kjerneferdighet for enhver dataingenioor som bygger AI-pipelines.