Copilot voor Fabric: deel 2, skills en de killer prompt

Deel 1 bouwde de basis voor GitHub Copilot CLI. Dit deel voegt de Fabric-specifieke tools toe en volgt 2_Fab_Init.md. Het eindigt met 4_killer_prompt.md, de prompt die ik gebruik voor een end-to-end Fabric Roadshow-build.

De repository

Als de setup nuttig is, geef de repository een star. Het is een klein signaal welke onderdelen verder moeten groeien.

Wat deel 2 toevoegt

De guide installeert:

1. Python 3.13 als expliciete runtime voor de huidige Fabric-packages;
2. Fabric CLI (fab) voor beheer vanuit de terminal;
3. fabric-cicd voor Git-based deployment; en
4. Skills for Fabric voor workloadspecifieke instructies en toolrouting.

Het onderscheid is belangrijk:

Skills vervangen authentication, permissions, API’s of de CLI niet. Ze helpen de agent die oppervlakken in de juiste volgorde te gebruiken.

Voordat je de guide draait

Rond deel 1 af en controleer:

copilot --version
az account show --output table
gh auth status
git --version
py -3.13 --version

Live operations vereisen ook toegang tot de bedoelde Fabric-workspace en capacity.

1. Selecteer Python 3.13

py -3.13 --version

Ontbreekt die:

py install 3.13

Dit selecteert de compatibele interpreter zonder ieder Python-project op de machine te wijzigen:

py -3.13 -m pip install --upgrade fabric-cicd

Met py -3.13 -m pip voorkom je installatie in een andere Python-omgeving.

2. Installeer Fabric CLI

pip install --upgrade ms-fabric-cli
fab --version
fab auth login

fab is één route door Fabric, niet de route voor iedere taak. Wanneer een purpose-built skill of MCP-tool een bewerking beheert, moet de prompt daar de voorkeur aan geven.

3. Installeer fabric-cicd

py -3.13 -m pip install --upgrade fabric-cicd
py -3.13 -m pip show fabric-cicd | Select-String "Version"

Blijf die interpreter in deploymentscripts selecteren:

py -3.13 .\your_deploy_script.py

4. Installeer Skills for Fabric

Start Copilot CLI:

copilot

Daarbinnen:

/plugin marketplace add microsoft/skills-for-fabric
/plugin install fabric-skills@fabric-collection

Er zijn ook gerichte bundles:

/plugin install fabric-authoring@fabric-collection
/plugin install fabric-consumption@fabric-collection
/plugin install fabric-operations@fabric-collection

De collectie dekt Spark en Lakehouse, Warehouse en SQL endpoints, Power BI, Eventhouse, Eventstream, migraties, deployment pipelines, OneLake governance en end-to-end architectures.

Start Copilot CLI opnieuw na installatie of update. Skills worden bij de start van een sessie geladen.

Gebruik de quick installer goed

Onderaan 2_Fab_Init.md staat een idempotent PowerShell-blok. Het controleert of installeert Python 3.13, werkt Fabric CLI en fabric-cicd bij, werkt een bestaande skills-checkout bij en toont de plugincommando’s wanneer een eerste installatie nog nodig is.

Controleer daarna:

python --version
py -3.13 --version
fab --version
py -3.13 -m pip show fabric-cicd | Select-String "Version"

$pkg = "$env:USERPROFILE\.copilot\installed-plugins\fabric-collection\skills-for-fabric\package.json"
if (Test-Path $pkg) {
  "skills-for-fabric: v$((Get-Content $pkg | ConvertFrom-Json).version)"
} else {
  "skills-for-fabric: not installed"
}

De killer prompt is een execution contract

4_killer_prompt.md werkt niet omdat hij dramatisch is. Hij werkt omdat hij een concreet resultaat, toolroutes, acceptance tests en failure rules specificeert.

De missie is een analytics solution bouwen van het SalesLT Lakehouse tot een gepubliceerd Power BI report:

• een uniek benoemde Fabric-workspace en GitHub-repository;
• Bronze-, Silver- en Gold-Lakehouses;
• drie medallion-notebooks;
• incrementele MERGE-logica met lineage columns;
• een Gold star schema;
• een Direct Lake-model met een Product Category-hiërarchie;
• een PBIR-report;
• een nachtelijke Fabric Data Pipeline; en
• gecommitte definities.

De prompt benoemt ook verwachte validatiewaarden, ongeveer $708,690.15 en 32 orders, plus een idempotency check waarbij een tweede ongewijzigde run nul inserts en updates oplevert.

Wat de prompt nuttig maakt

Iedere run krijgt een veilige identity

De preflight maakt een slug en gebruikt die in de workspace en repository:

Fabric Roadshow_<slug>
FabricRoadshow_<slug>

Vorige demo’s worden niet verwijderd. De prompt legt ook de token audience vast voor Fabric Items, Power BI Datasets, OneLake DFS en SQL endpoints. Die audiences mengen veroorzaakt authentication failures die op implementatiebugs lijken.

Hij definieert contracten

De prompt benoemt brontabellen, Gold-entiteiten, hiërarchie, lineage columns en incremental behavior. Bronze-, Silver- en Gold-merges moeten idempotent zijn. Dat geeft de agent meetbaar werk in plaats van een architectuurplaat.

Hij routeert werk naar de juiste skill

Workspace- en Lakehouse-setup, medallion-authoring, semantic-modelwerk en pipeline-deployment hebben verschillende eigenaren. fab en handgeschreven REST zijn fallbacks, geen reflexen.

Hij maakt parallel werk expliciet

De prompt benoemt twee fan-outpunten: eerst preflight en workspacewerk, daarna semantic model, reportshell en pipelinewerk zodra Gold klaar is. Zo voorkom je in een live demo dat onafhankelijk werk onnodig serieel wacht.

Hij legt eerdere fouten vast

Nuttige details:

• Fabric Items API gebruikt /v1/, Power BI Datasets gebruikt /v1.0/myorg/;
• pipelineschedules gebruiken W. Europe Standard Time;
• report projections hebben nativeQueryRef nodig;
• TMDL gebruikt tabs en de SQL endpoint GUID voor Direct Lake framing;
• een nieuw semantic model kan REST executeQueries nodig hebben; en
• Windows kan shell=True vereisen wanneer Python az start.

Dat is debugginggeschiedenis, gecodeerd voor de volgende run.

Gebruik hem veilig

Voordat je de prompt plakt:

1. rond deel 1 en 2 af;
2. bevestig de identities van az, gh, fab en copilot;
3. vervang omgevingsspecifieke aannames;
4. bevestig de source workspace en het SalesLT Lakehouse;
5. bevestig capacity en permissions;
6. beoordeel lokale paths, repository owner, pluginnamen en verwachte totalen; en
7. begrijp dat de prompt cloud resources, schedules en een GitHub-repo maakt.

Kopieer alleen het blok tussen --- BEGIN --- en --- END ---. Behandel het als een uitgewerkt template, niet als een portable deployment script.

Waarom hij “killer” is

De nuttige combinatie:

1. een concreet resultaat;
2. platformspecifieke regels;
3. expliciete toolrouting;
4. meetbare tests; en
5. orchestrationregels voor parallel werk en failures.

De prompt moet na iedere run veranderen. Een nieuwe fout hoort in de setuprepository, zodat de volgende run begint met de les al vastgelegd.

Begin bij het begin: Deel 1: bouw de GitHub Copilot CLI-basis

Gebruik de volledige demoprompt: 4_killer_prompt.md