Como criar um Template de Prompt reutilizável no Copilot do Fabric

João Barros 31 de August de 2026 4 min de leitura

Este tutorial mostra como criar um template de prompt reutilizável no Copilot do Fabric para automatizar tarefas repetitivas — útil para padronizar análises, limpar dados e acelerar respostas consistentes. Vai aprender a razão do template e como implementá‑lo passo a passo, com um exemplo prático.

Pré-requisitos

Conta com acesso ao Microsoft Fabric e permissões para usar o Copilot.
Conjunto de dados simples no OneLake ou no Warehouse (CSV com colunas tipo: id, nome, valor, data).
Noções básicas de prompts e de como abrir o Copilot na interface do Fabric.

Passo 1: Definir o objetivo do template

Antes de escrever, clarifique o que o template fará (ex.: limpar valores nulos, padronizar datas, gerar resumo por categoria). Definir o objetivo evita ambiguidade no Copilot e permite criar variáveis no template.

Passo 2: Criar a estrutura do template

Abra o Copilot no Fabric e selecione o modo de conversa para criar um novo prompt. Use uma estrutura clara com placeholders entre << >> para variáveis que irá preencher depois (por exemplo, coluna, formato, regra). Isto permite reutilizar o mesmo prompt para diferentes colunas ou conjuntos de dados.

Template: Limpeza e resumo de coluna
Objetivo: Limpar NULLs, padronizar formato e criar resumo estatístico.
Instruções:
- dataset: <>
- coluna alvo: <>
- formato data (se aplicável): <>
Tarefas:
1) Identificar valores nulos e frequências.
2) Substituir nulos por: <>.
3) Converter formato de data para <> (se coluna for data).
4) Gerar resumo: count, unique, nulls, mean/median (se numérico).
Produzir saída: passo a passo + código sugerido (SQL ou Python).

Passo 3: Testar o template com um exemplo simples

Preencha os placeholders com valores concretos e peça ao Copilot para gerar o código. Use um conjunto de dados de teste para validar as instruções. Peça SQL se trabalhar no Warehouse ou Python/PySpark se estiver a usar Notebooks.

Exemplo de preenchimento:
<> = /OneLake/Marketing/sales.csv
<> = data_venda
<> = yyyy-MM-dd
<> = 1970-01-01
Prompt final: (cole o template preenchido no Copilot)

Passo 4: Refinar para erros comuns

Analise a resposta do Copilot e peça ajustes. Erros comuns: suposições sobre tipos de dados, formatos de data diferentes, ou colunas com mistura de texto/números. Ajuste o template para incluir validações (ex.: verificar regex, mostrar exemplos de valores problemáticos).

Adição ao template para validação:
- Mostrar até 10 exemplos de valores inválidos.
- Se mais de 10% inválidos, avisar e não aplicar transformação automática.

Passo 5: Criar variantes para SQL e Notebooks

Crie duas variantes do mesmo template: uma que peça SQL compatível com o Fabric Warehouse e outra que peça código Python/PySpark para Notebooks. Mantenha os placeholders iguais para facilitar a reutilização.

SQL variant snippet (exemplo gerado pelo Copilot):
SELECT
  COUNT(*) AS total,
  SUM(CASE WHEN data_venda IS NULL THEN 1 ELSE 0 END) AS nulls,
  MIN(data_venda) AS min_date,
  MAX(data_venda) AS max_date
FROM OPENROWSET('/OneLake/Marketing/sales.csv') AS t;

Verificar o resultado

Confirme que o template funciona ao aplicar a variante ao conjunto de dados de teste: verifique se as transformações ocorreram (nulos substituídos, formatos normalizados) e se o resumo estatístico corresponde às expectativas. Teste com outra coluna para garantir reutilização. Registe quaisquer mensagens de aviso que o template devolva (ex.: percentagem elevada de valores inválidos).

Conclusão

Depois de criar e testar o template, pode guardá‑lo e partilhá‑lo com a equipa para padronizar tarefas de limpeza e análise no Copilot do Fabric. Próximos passos: adicionar meta‑instruções para lidar com idiomas ou criar templates mais avançados com lógica condicional. Dica: mantenha os placeholders consistentes e documente exemplos de preenchimento para cada template.