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/multi-modal/gpt4o-vision-architecture.md

@@ -3,9 +3,21 @@
 **Last updated:** 2026-02
 **Status:** GA
 **Category:** Multi-Modal AI
+**Type:** reference
 
 ---
 
+## Innhold
+
+- [Introduksjon](#introduksjon)
+- [GPT-4o Vision Capabilities](#gpt-4o-vision-capabilities)
+- [Token-berekningsmodell for bilete](#token-berekningsmodell-for-bilete)
+- [Native vs. External Vision Integration](#native-vs-external-vision-integration)
+- [Performance og Latency-optimalisering](#performance-og-latency-optimalisering)
+- [Brukstilfelle for norsk offentleg sektor](#brukstilfelle-for-norsk-offentleg-sektor)
+- [Avgrensingar og kjende utfordringar](#avgrensingar-og-kjende-utfordringar)
+- [For Cosmo](#for-cosmo)
+
 ## Introduksjon
 
 GPT-4o (Omni) representerer en fundamental endring i korleis multimodale AI-modellar fungerer. I motsetnad til tidlegare tilnærmingar der tekst- og bildeforståing var separate modellar kopla saman, integrerer GPT-4o tekst og bilete i ein enkelt modell. Dette gir lågare latency, betre kontekstuell forståing og meir nøyaktige svar som kombinerer visuell og tekstuell informasjon.