open/ms-ai-architect
1
0
Fork 0
Code Issues Pull requests Releases Wiki Activity Actions
ms-ai-architect/docs/kb-refresh-backlog-2026-06.md
Kjell Tore Guttormsen fd60e22c87 docs(ms-ai-architect): KB-refresh backlog — prioritert tier/batch-rekkefølge etter critical-klyngen 
Formaliserer gjenstående KB-refresh (97 filer: High 11, Medium 33, Low 52, Unverified 1)
i tiered + batchet rekkefølge med bevist arbeidsmønster og foreslåtte release-versjoner
(HIGH→v1.16.3, MEDIUM→v1.16.4, LOW→v1.16.5). Noterer separate spor (Spor C kurs-deteksjon,
onboarding-uplift) som egen prioritering. STATE.md peker hit.

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
2026-06-24 10:17:07 +02:00

4.7 KiB
Raw Blame History

KB-refresh backlog — etter critical-klyngen (juni 2026)

Prioritert rekkefølge for gjenstående KB-refresh etter at critical cost-klyngen (8 filer) + release v1.16.2 ble fullført 2026-06-24. Tall fra node scripts/kb-update/report-changes.mjs (leser url-registry, ingen nettverk). Status-of-play i STATE.md.

Arbeidsmønster (bevist på critical-klyngen — gjenbruk per batch)

  1. Spawn read-only Sonnet drift-rapporter per batch (parallelt) → samler ✅ TRYGT vs VERIFY-funn.
  2. Main-agent = verifiseringsgaten: hver VERIFY-påstand bekreftes mot sitert MS Learn-kilde (search/fetch) FØR den skrives. Agenter kan feillese/overgeneralisere (jf. fil 8: Phi/Falcon-«retired»-påstand ble avkreftet).
  3. Kirurgiske edits — disclaimed/illustrative priser røres ALDRI. Bump header (dag-presis dato hvis kilde endret midt i måneden, ellers YYYY-MM).
  4. git diff-gate → ./tests/validate-plugin.sh (må være 239/0) → 1 fil = 1 commit (KB-refresh <tier> N/M).
  5. Når en tier er tom: re-kjør report-changes.mjs (bekreft count faller) → release via catalog/scripts/release-plugin.mjs ms-ai-architect <ver> --create-tag så --write --commit --push (krever plugin.json == README-badge == ver + CHANGELOG + version-history FØRST; check-versions 0 ERROR).

Rekkefølge

0. Quick-triage: UNVERIFIED (1) — gjør først, billig

  • ms-ai-advisor/references/architecture/security.md — dateless (mangler Last updated-header). Kjernefil lest av architecture-review-agent. Verifiser innhold + stamp header. Kan foldes inn i HIGH-sesjonen.

1. HIGH (11) → release v1.16.3

Batch etter område for kilde-gjenbruk:

  • A — ms-ai-security/ai-security-engineering (3): owasp-llm-top10-azure-mitigations · defender-threat-protection-ai-services · output-validation-grounding-verification. (Deler OWASP/Defender-kilder.)
  • B — ms-ai-governance/responsible-ai (4): content-safety-implementation · responsible-ai-policy-development · stakeholder-communication-ai-decisions · bias-detection-mitigation-strategies.
  • C — ms-ai-governance/monitoring-observability (2): model-performance-drift-detection · response-quality-metrics-rag.
  • D — blandet (2): governance/norwegian-public-sector-governance/copyright-ai-training-data-norway · engineering/agent-orchestration/agent-autonomy-and-control-governance.

2. MEDIUM (33) → release v1.16.4 (vurder splitt)

  • prompt-engineering (13, ms-ai-advisor): few-shot, domain-specific, temperature-sampling, multi-turn, chain-of-thought, regulatory-prompting, grounding-injection, token-optimization, real-time-reasoning, role-playing, structured-output, system-message-design, function-calling. (Stor kohesiv batch.)
  • performance-scalability (9, ms-ai-security): async-processing, response-chunking, perf-benchmarking, throughput, token-per-second, gpu-sizing, concurrent-request, load-testing, batch-api-usage.
  • rag-architecture (5, ms-ai-engineering): streaming-rag, rag-evaluation, self-reflective-rag, rag-hallucination-mitigation, late-chunking.
  • engineering-misc (5): agent-orchestration (2: evaluation-testing, memory-context) · mlops-genaiops (2: model-versioning, feedback-loops) · azure-ai-services (1: speech-speaker-recognition).
  • advisor/platforms (1): azure-ai-foundry (kjernefil — høyere reell verdi enn MEDIUM antyder; vurder å løfte tidlig).

3. LOW (52) → release v1.16.5 (splitt anbefalt, største område først)

  • data-engineering (20, ms-ai-engineering) — størst.
  • api-management (13, ms-ai-engineering).
  • bcdr (10, ms-ai-infrastructure).
  • advisor/architecture (7): ai-utredning-template, regional-availability-verification, migration-patterns, poc-template, licensing-matrix, public-sector-checklist, adr-template. (Templates + kjernefiler — lav drift-risiko, men leses ofte.)
  • rest (2): advisor/development/agent-framework · infrastructure/hybrid-edge/disconnected-ai-scenarios.

Separate spor (IKKE KB-refresh — egen prioritering)

Disse er kjent fra memory/docs, men ikke re-verifisert denne sesjonen — bekreft status før start:

  • Spor C — kurs/training-deteksjon (C3): C3 Learn Platform API-creds satt opp (se memory c3-learn-platform-api-setup). Neste: faktisk deteksjons-implementasjon.
  • Onboarding-uplift-måling: alt onboarding-maskineri bygget; gjenstår å MÅLE faktisk uplift (memory onboarding-quality-bar).

Notater

  • Falske positiver er forventet: header-dato < sitemap-lastmod = KANDIDAT, ikke bekreftet drift. Mange LOW/MEDIUM kan vise seg å være header-bump-only (jf. critical-klyngens 2 falske positiver).
  • Tier-grensene er detektor-heuristikk, ikke hellige — løft en kjernefil (f.eks. azure-ai-foundry) tidligere hvis den har reell verdi.