Como criar um Prompt Chain com Copilot no Fabric: passo a passo

João Barros 24 de September de 2026 4 min de leitura

Este tutorial mostra como criar um Prompt Chain no Copilot no Fabric para automatizar uma sequência de análises sobre um conjunto de dados (limpeza simples → sumarização → sugestão de métricas). Um Prompt Chain facilita fluxos repetíveis, reduz erros e acelera a exploração de dados com o Copilot no Fabric.

Pré-requisitos

Conta com acesso ao Microsoft Fabric e permissões para usar o Copilot.
Workspace com um Dataset simples (CSV) carregado no OneLake ou em Dataflow Gen2.
Noções básicas de prompts e de como abrir o Copilot no Fabric.

Passo 1: Conceber a sequência de tarefas do Prompt Chain

Antes de abrir o Copilot, define as etapas que o chain fará. Neste exemplo vamos: (1) detetar e normalizar valores nulos/duplicados, (2) gerar um resumo textual das colunas e (3) sugerir 3 métricas-chave a apresentar num relatório.

Passo 2: Abrir Copilot e criar um novo Prompt Chain

Abre o Copilot no Fabric e escolhe a opção para criar um novo Prompt Chain (ou Template, se disponível). Dá um nome claro, por exemplo: "Chain_Limpeza_Sumario_Metricas". Explica no campo de descrição o objetivo e os inputs esperados (dataset, coluna-chave).

Passo 3: Criar o Step 1 — Limpeza básica

Adiciona o primeiro passo do chain com um prompt que trate nulos e duplicados. Indica o formato do input (ex.: CSV com colunas). Usa comandos claros e exemplos para o Copilot saber o 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."

Passo 4: Criar o Step 2 — Sumarização de colunas

Adiciona o segundo passo que recebe a tabela limpa do Step 1 e gera um resumo por coluna: tipo, contagem de valores distintos, percentagem de nulos (deveria ser 0 após limpeza) e 3 exemplos 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."

Passo 5: Criar o Step 3 — Sugerir métricas

O terceiro passo deve analisar a tabela limpa e o resumo do Step 2 para sugerir 3 métricas acionáveis (ex.: taxa de conversão, média por categoria). Pede também uma breve justificativa para cada métrica e um exemplo de visualização 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."

Passo 6: Ligação de inputs/outputs e testar o Chain

Define as ligações entre passos: saída do Step 1 → entrada do Step 2 e Step 3. Se o Copilot permitir, adiciona validações (ex.: garantir que a coluna 'id' existe). Executa o Prompt Chain sobre um fragmento do dataset para testar o comportamento antes de correr em toda a tabela.

// 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

Passo 7: Iterar e afinar prompts (erros comuns)

Se os resultados não forem os esperados, ajusta os prompts: especifica formatos (JSON), exemplos de resposta ou define limites (ex.: não remover colunas inteiras). Erros comuns: instruções ambíguas, falta de exemplos e esquecer de mapear corretamente outputs entre steps.

Verificar o resultado

Confirma que o Prompt Chain funciona verificando: (1) a tabela de saída do Step 1 tem menos ou igual número de linhas e sem duplicados, (2) o JSON do Step 2 lista todas as colunas e tipos coerentes e (3) o JSON do Step 3 sugere 3 métricas com fórmulas válidas. Testa com um conjunto de dados conhecido para validar cálculos.

Conclusão

Um Prompt Chain no Copilot no Fabric permite automatizar tarefas sequenciais de preparação e análise de dados, tornando processos repetitivos mais fiáveis. Próximos passos: integrar o chain numa pipeline do Dataflow Gen2 ou agendar execuções. Dica: documenta cada step com exemplos de input/output para facilitar a manutenção e a partilha — qual o primeiro dataset que queres automatizar com um Prompt Chain?