Prompt engineering para Microsoft Copilot: técnicas para respostas melhores
João Barros
07 de November de 2025
1 min de leitura
O prompt engineering é a competência mais valiosa para tirar o máximo do Microsoft Copilot. Não se trata de "truques" — é um método sistemático para comunicar intenção de forma clara ao modelo de linguagem.
Anatomia de um bom prompt
Componentes:
1. PAPEL — quem é o Copilot neste contexto
2. TAREFA — o que deve fazer (verbo de acção específico)
3. CONTEXTO — dados relevantes, restrições, audiência
4. FORMATO — como deve apresentar a resposta
5. TOM — estilo de comunicação
Exemplo fraco: "Resume esta reunião"
Exemplo forte:
"Actua como chief of staff. Resume a reunião de board em anexo
em 5 bullet points executivos. Para cada ponto inclui: decisão,
responsável e prazo. Usa linguagem directa, sem jargão. Formato
Markdown. Audiência: CEO sem contexto técnico."
Few-shot prompting — ensinar com exemplos
Prompt:
"Classifica tickets de suporte como: URGENTE, NORMAL, BAIXO.
Critério de urgência: impacto em produção ou bloqueio total.
Exemplos:
'Sistema de faturação inacessível desde manhã' → URGENTE
'Atualizar logótipo no portal interno' → BAIXO
'Relatório mensal com dados de ontem em vez de hoje' → NORMAL
Classifica agora: 'Utilizador não consegue fazer login desde a
atualização de ontem — afeta 30 pessoas no departamento financeiro'"
Chain-of-thought — raciocínio passo a passo
Prompt:
"Analisa as vendas Q1 vs Q2 nos dados em anexo. Pensa passo a passo:
1. Identifica a variação total
2. Identifica o produto/região com maior crescimento
3. Identifica o maior declínio
4. Propõe 2 acções concretas baseadas na análise"
Prompts para Power BI Copilot
// Mais eficazes:
"Cria um visual de mapa coroplético mostrando receita por distrito
de Portugal, com escala de cor azul, para o ano seleccionado no filtro"
// Menos eficazes:
"Faz um mapa de vendas"
Conclusão
Investir 2 minutos num prompt bem estruturado poupa 20 minutos de iterações. Role + tarefa + contexto + formato é a fórmula base. Para análises complexas, adicione chain-of-thought pedindo raciocínio explícito antes da resposta final.