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-infrastructure/references/bcdr/data-replication-patterns-ai.md

@@ -3,9 +3,22 @@
 **Last updated:** 2026-06-24
 **Status:** GA
 **Category:** Business Continuity & Disaster Recovery
+**Type:** reference
+**Source:** https://learn.microsoft.com/azure/reliability/concept-redundancy-replication-backup
 
 ---
 
+## Innhold
+
+- [Introduksjon](#introduksjon)
+- [Synkron vs. asynkron replikering](#synkron-vs-asynkron-replikering)
+- [Active-Active og Active-Passive mønstre](#active-active-og-active-passive-mønstre)
+- [Konsistensmodeller og eventual consistency](#konsistensmodeller-og-eventual-consistency)
+- [Konfliktløsningsstrategier](#konfliktløsningsstrategier)
+- [Monitoring av replikasjonsforsinkelse og helse](#monitoring-av-replikasjonsforsinkelse-og-helse)
+- [Referanser](#referanser)
+- [For Cosmo](#for-cosmo)
+
 ## Introduksjon
 
 Datareplikering er fundamentet for Business Continuity i AI-systemer. AI-arbeidsbelastninger har spesielle krav til datakonsistens, latens og tilgjengelighet som gjør valg av replikasjonsmekanisme særlig viktig. En RAG-løsning må for eksempel replikere både search-indekser, embedding-vektorer, kildedokumenter og konversasjonshistorikk — hver med ulike konsistens- og latensbehov.