Cómo crear un Prompt Chain con Copilot en Fabric: paso a paso

João Barros 24 de September de 2026 4 min de lectura

Este tutorial muestra cómo crear un Prompt Chain en Copilot en Fabric para automatizar una secuencia de análisis sobre un conjunto de datos (limpieza simple → resumen → sugerencia de métricas). Un Prompt Chain facilita flujos repetibles, reduce errores y acelera la exploración de datos con el Copilot en Fabric.

Requisitos previos

Cuenta con acceso a Microsoft Fabric y permisos para usar el Copilot.
Workspace con un Dataset simple (CSV) cargado en OneLake o en Dataflow Gen2.
Noções básicas de prompts y de cómo abrir el Copilot en Fabric.

Paso 1: Concebir la secuencia de tareas del Prompt Chain

Antes de abrir el Copilot, define los pasos que hará el chain. En este ejemplo vamos a: (1) detectar y normalizar valores nulos/duplicados, (2) generar un resumen textual de las columnas y (3) sugerir 3 métricas clave para presentar en un informe.

Paso 2: Abrir Copilot y crear un nuevo Prompt Chain

Abre el Copilot en Fabric y elige la opción para crear un nuevo Prompt Chain (o Template, si está disponible). Pon un nombre claro, por ejemplo: "Chain_Limpeza_Sumario_Metricas". Explica en el campo de descripción el objetivo y los inputs esperados (dataset, columna clave).

Paso 3: Crear el Step 1 — Limpieza básica

Añade el primer paso del chain con un prompt que trate nulos y duplicados. Indica el formato del input (ej.: CSV con columnas). Usa comandos claros y ejemplos para que el Copilot sepa lo que queremos.

// Exemplo de prompt para Step 1
"Recebe o dataset como tabela. Identifica colunas com >5% de valores nulos. Remove linhas duplicadas com base na coluna 'id'. Substitui nulos em colunas numéricas pela mediana e em colunas de texto por 'Desconhecido'. Retorna a tabela limpa."

Paso 4: Crear el Step 2 — Resumen de columnas

Añade el segundo paso que recibe la tabla limpia del Step 1 y genera un resumen por columna: tipo, recuento de valores distintos, porcentaje de nulos (debería ser 0 tras la limpieza) y 3 ejemplos de valores.

// Exemplo de prompt para Step 2
"A partir da tabela limpa, para cada coluna devolve: nome, tipo (numérico/texto/data), contagem distinct, percentagem de nulos e até 3 exemplos de valores. Formata a resposta como JSON."

Paso 5: Crear el Step 3 — Sugerir métricas

El tercer paso debe analizar la tabla limpia y el resumen del Step 2 para sugerir 3 métricas accionables (ej.: tasa de conversión, media por categoría). Pide también una breve justificación para cada métrica y un ejemplo de visualización recomendada.

// Exemplo de prompt para Step 3
"Com base nos dados e no resumo, sugere 3 métricas relevantes para monitorizar. Para cada métrica devolve: nome, fórmula (colunas usadas), por que é importante, e tipo de visualização recomendada (ex.: bar chart, time series). Responde em JSON."

Paso 6: Enlace de inputs/outputs y probar el Chain

Define las conexiones entre pasos: salida del Step 1 → entrada del Step 2 y Step 3. Si el Copilot lo permite, añade validaciones (ej.: garantizar que la columna 'id' existe). Ejecuta el Prompt Chain sobre un fragmento del dataset para probar el comportamiento antes de correrlo en toda la tabla.

// Exemplo de sequência lógica
Input (dataset.csv) -> Step 1 (limpeza) -> cleaned_table
cleaned_table -> Step 2 (sumário) -> summary_json
cleaned_table + summary_json -> Step 3 (métricas) -> metrics_json

Paso 7: Iterar y afinar prompts (errores comunes)

Si los resultados no son los esperados, ajusta los prompts: especifica formatos (JSON), ejemplos de respuesta o define límites (ej.: no eliminar columnas enteras). Errores comunes: instrucciones ambiguas, falta de ejemplos y olvidar mapear correctamente outputs entre steps.

Verificar el resultado

Confirma que el Prompt Chain funciona verificando: (1) la tabla de salida del Step 1 tiene menos o igual número de filas y sin duplicados, (2) el JSON del Step 2 lista todas las columnas y tipos coherentes y (3) el JSON del Step 3 sugiere 3 métricas con fórmulas válidas. Prueba con un conjunto de datos conocido para validar cálculos.

Conclusión

Un Prompt Chain en Copilot en Fabric permite automatizar tareas secuenciales de preparación y análisis de datos, haciendo los procesos repetitivos más fiables. Próximos pasos: integrar el chain en una pipeline de Dataflow Gen2 o programar ejecuciones. Consejo: documenta cada step con ejemplos de input/output para facilitar el mantenimiento y el compartido — ¿cuál es el primer dataset que quieres automatizar con un Prompt Chain?