Kjell Tore Guttormsen
5d1ff620be
Read-only audit av 389 ref-filer: 0 ekte orphans (mappe-referanse), 6 ekte datoløse, median 481 linjer (183 >500), 34 header-varianter, 21% uten kilde-URL. Spor D-scorer 91-96 (struktur sunn) — innholdskorrekthet er den umålte aksen. Beslutningsnotat for retning genereres separat.
3.8 KiB
Reference-KB audit — verifisert ground truth (2026-06-26)
Read-only audit av de 389 ref-filene under skills/<skill>/references/**/*.md. Reproduserbar via python3 scripts/kb-eval/ref-file-audit.py. Utløst av spørsmålet «måler vi kvaliteten på ref-filene, og brukes de best mulig?». Beslutningsnotatet som velger retning lever separat (se nederst).
Bakgrunn
Skill-kvalitetsscoringen (Spor D, scripts/kb-eval/) scorer SKILL.md-forfatterkvalitet + ref-filenes STRUKTUR/hygiene — ikke substansiell innholdskorrekthet mot MS Learn. KB-refresh (scripts/kb-update/) flagger staleness, men gir ingen score. Gapet — «stemmer ref-innholdet mot MS Learn i dag» — måles ikke. Denne auditen kartla ref-filenes faktiske tilstand før vi velger hvordan gapet skal lukkes.
Selvkorreksjoner (premiss-verifisering fanget to artefakter i en tidligere kjøring)
- «220 orphans» → ekte: 0. Den første heuristikken testet kun om filnavnet var navngitt i en hub. Men 220 filer nås via mappe-referanse (progressive disclosure — K5 named-ratio-mål er bare 0,2). Folder-bevisst telling gir 0 ekte orphans. KB-en bærer ingen død vekt.
- «136 datoløse» → ekte: 6. Heuristikken krevde full
YYYY-MM-DD. 130 filer har bevisst måned-presisjon (YYYY-MM), som er konvensjonenreport-changes.mjsforutsetter. Kun 6 er ekte datoløse.
Verifiserte funn
| Dimensjon | Tall | Vurdering |
|---|---|---|
| Inventar | 389 filer: advisor 62, engineering 153, governance 78, infrastructure 34, security 62 | — |
| Størrelse | median 481 linjer, snitt 507, 183/389 >500 linjer, største 1265 (adr-template.md); kun 2 filer ≤100 |
KB-en er nesten utelukkende store filer. Granularitets-spørsmål (se notat). |
| Dato | 253 dag-presise · 130 måned-presise · 6 ekte datoløse | De 6 (4 er AI Act-filer) bør stemples — kort, høyverdi fiks. |
| Reachability | 169 navngitt · 220 via mappe · 0 ekte orphans | Ingen død vekt. Mappe-referanse er den dominerende lastemekanismen. |
| Kilde-URI | 83 filer (21 %) har ingen MS Learn/docs-URL | Noen legitimt kildeløse (maler/metodikk); andre gjør MS-påstander uten sporbar kilde → ikke auto-verifiserbare. |
| Metadata | 34 distinkte prosa-header-nøkler, 0 YAML-frontmatter (Category ×322 vs Kategori ×42; Last updated vs Sist oppdatert vs Dato vs Oppdatert) |
Fragmentert → skjør detektor, ingen maskinlesbar kilde-URI for en korrekthets-judge. |
| Topologi | flatt tre; N3 forbyr ref→ref-lenker; kun 2/389 har .md-kryss-lenke | Bevisst — progressive disclosure, ikke en graf. |
| TOC | 384/389 store filer uten TOC (N4) | Reell, men lavvekt — skills står på 91–96 likevel. Polish. |
Eksisterende Spor D-scorer (kontekst)
advisor 91 · engineering 96 · governance 96 · infrastructure 96 · security 96. Null under mål (90). Struktur/forfatterkvalitet er altså ikke problemet — innholdskorrekthet er den umålte aksen.
De 6 ekte datoløse (quick-fix-kandidater)
ms-ai-advisor/references/architecture/decision-trees.mdms-ai-governance/references/monitoring-observability/anomaly-detection-ai-systems.mdms-ai-governance/references/responsible-ai/ai-act-classification-methodology.mdms-ai-governance/references/responsible-ai/ai-act-deployer-obligations.mdms-ai-governance/references/responsible-ai/ai-act-fria-template.mdms-ai-governance/references/responsible-ai/ai-act-provider-obligations.md
Neste steg
Et faktabasert, best-practice-forankret beslutningsnotat (5 akser: struktur/størrelse · innhold/korrekthet · kvalitetsmåling · MS Learn-fetch-dekning · metadata-substrat) avgjør retning før noen av de 389 filene endres. Se docs/ref-kb-direction-note-2026-06.md (genereres). Bakgrunn for gapet: docs/kb-refresh-backlog-2026-06.md («Separate spor»).