Quando um Dag existe só para produzir um asset, o @asset o escreve em uma função:
@asset(schedule="@daily", start_date=pendulum.datetime(2026, 11, 1, tz="UTC"))
def daily_sales(self, context):
day = context["ds"]
...
yield Metadata(self, {"day": day})
Isso cria um asset chamado daily_sales, um Dag com o id daily_sales e uma tarefa, também daily_sales, cujo outlet é o asset. O nome daily_sales do módulo passa a ser o asset, então outra definição pode ser agendada com base nele: @asset(schedule=daily_sales).
Há três nomes de parâmetro reservados: self (o asset que está sendo produzido), context (o contexto da execução: context["ds"] em uma execução agendada e context["triggering_asset_events"] em uma disparada por um asset) e outlet_events. Qualquer outro parâmetro com o nome de um asset declara um inlet: registra que este asset lê aquele, mas não agenda nada.
@asset combina com pipelines centrados em assets. Se você já usou o Dagster, é o mais próximo que o Airflow tem de uma definição de asset, mas cada @asset continua sendo um Dag com uma tarefa. Um @dag com outlets faz o mesmo trabalho com mais espaço para várias tarefas.