● infraestrutura de dados e IA

Descreva o pipeline.
A IA coloca em produção.

A DexaData entrega infraestrutura de dados e IA como serviço. O Dexaflow, nosso primeiro produto, é a experiência do Apache Airflow construída com IA: o agente escreve o DAG, testa, faz o deploy e acompanha cada execução.

Entrar na lista de espera Ver no GitHub

funciona com o stack que você já usa

  • dbt
  • DuckDB
  • Snowflake
  • Databricks
  • BigQuery
  • Google Cloud
  • AWS
● dexaflow ai · em breve

A experiência do Airflow,
construída com IA.

Você diz o que o dado precisa fazer. O Dexaflow cuida do resto: código, testes, deploy e operação. Tudo continua sendo um DAG Python que seu time lê, revisa e versiona.

  1. 01

    Descreva

    Em linguagem natural, no chat ou no seu editor pelo MCP.

  2. 02

    Gere

    O agente lê suas conexões e escreve o DAG e o dexaflow.yaml.

  3. 03

    Teste

    Cada mudança roda em sandbox, com dados de amostra, antes de chegar à produção.

  4. 04

    Publique e observe

    Deploy automático, versão e rollback. O agente acompanha cada execução.

● NATIVE DBT

dbt nativo, no warehouse que você já usa

Aponte para o seu projeto dbt. Cada modelo vira uma task no Airflow, com dependências, testes e lineage na mesma tela. O Dexaflow instala o adapter, gera o profiles.yml a partir das suas conexões e guarda as credenciais.

  • Databricks
  • BigQuery
  • Snowflake
  • DuckDB
# dexaflow.yaml
dag_id: sales_daily
dbt:
  project: ./analytics
  target: bigquery   # databricks | snowflake | duckdb
  select: daily_revenue+
  tests: true
● AI BUILDER

DAGs gerados a partir de uma frase

O agente conhece o seu ambiente: conexões, variáveis e DAGs que já existem. Ele escreve código Airflow idiomático, com testes, em vez de um rascunho para você consertar.

● AUTO DEPLOY

Deploy automático, sem esteira para montar

Do prompt, do git push ou do MCP direto para produção. O Dexaflow valida, monta a imagem do DAG, publica com versão e volta atrás em um clique.

● SELF-HEALING

Falhas explicadas e corrigidas

Quando uma task falha, o agente lê os logs, explica a causa em uma frase e propõe a correção como diff. Você aprova e ele publica.

● MIGRATION

Migração do Airflow guiada por IA

Aponte para o repositório dos seus DAGs. O agente revisa cada um, ajusta o que não roda no Dexaflow e mostra o plano antes de migrar.

● MCP SERVER

Seu agente opera os pipelines

Servidor Model Context Protocol nativo. Claude, Cursor ou qualquer agente compatível lê o contexto, cria pipelines, dispara execuções e acompanha os logs.

● DEXAFLOW.YAML

Pipelines declarativos, sem Dockerfile

Um arquivo curto descreve o DAG, a versão do Python e as dependências. É o formato que o agente escreve e que você revisa.

# dexaflow.yaml
dag_id: sales_daily
python_version: "3.12"
dependencies:
  - pandas==2.2.3
  - google-cloud-bigquery

Você continua no controle. O agente propõe, você revisa o diff e decide o que vai para produção. O código é seu, em Python, no seu repositório.

● o motor · compatível com apache airflow

//Dexaflow

Compatível com Airflow.
Feito para produção.

A mesma UI e a mesma API REST do Apache Airflow, com um control plane em Go por baixo. Seus DAGs continuam em Python. O que muda é o que acontece quando eles rodam.

01_ Compatível com Airflow

A UI do Apache Airflow 3.2 sem modificações e a mesma API REST. DAGs, tasks, variables e connections com o vocabulário que seu time já conhece.

02_ Control plane em Go

Agendamento e coordenação fora do loop Python. Sem scheduler travando entre tasks e sem re-parse de todos os DAGs a cada ciclo.

03_ Uma task, um pod

Cada task roda no próprio pod. Nada de workers de longa duração acumulando memória e conexões até cair de madrugada.

04_ Dependências por DAG

Cada DAG tem seu próprio ambiente Python. pandas 1 no DAG legado e pandas 2 no novo convivem na mesma instalação.

05_ Map-reduce para ML e IA

Fan-out e reduce escritos como uma list comprehension em Python. Sem encanamento de XCom, sem broker, sem operador especial.

06_ Do laptop ao cluster

O mesmo motor roda em um único host, sem Kubernetes, ou via Helm no seu cluster. Você começa pequeno e não reescreve nada para crescer.

● open core

Núcleo aberto.
Nuvem gerenciada.

O motor é open source e roda onde você quiser. O Dexaflow Cloud é o mesmo motor, operado por nós, com a IA embutida.

Dexaflow OSS

Apache 2.0

Para quem quer rodar na própria infraestrutura.

  • Motor completo, compatível com a UI e a API do Airflow
  • Lite em um único host ou Pro via Helm no seu Kubernetes
  • Servidor MCP para usar com o seu próprio agente
  • Você opera: upgrades, banco, segurança e escala
Código no GitHub Ler a documentação →

Dexaflow Cloud

em breve

Para quem quer o pipeline em produção, não um cluster.

  • Tudo do OSS, operado e atualizado pela DexaData
  • Construtor de IA embutido: gerar, testar e publicar sem configurar nada
  • Correção assistida de falhas e migração do Airflow com IA
  • Login corporativo, times e planos a partir do Free
Ver planos

O Dexaflow OSS é o novo nome do Leoflow. O código é aberto em github.com/dexadata/dexaflow.

● dexaflow cloud · em breve

O Dexaflow gerenciado,
sem cluster para cuidar.

Capacidade medida em DCU, limites claros por plano e nenhum cluster para cuidar. Comece no Free e mude de plano quando o volume pedir.

● o que é uma DCU

Capacidade medida em DCU, a Dexa Compute Unit.

Cada plano define quantas DCUs rodam ao mesmo tempo. Você escolhe o tamanho de cada task no dexaflow.yaml; se não disser nada, a task usa 1 DCU. Quando a fila passa do limite, as tasks extras esperam e rodam assim que abrir espaço, sem falhar.

Exemplo: com 6 DCUs no Small, rodam 6 tasks de 1 DCU em paralelo, ou 3 tasks de 2 DCUs.

Free

Grátis

Para experimentar com pipelines de verdade.

DCUs simultâneas
2
Execuções de task / mês
1k
DAGs ativos
5
Tasks no total
20
Intervalo mínimo
1 h
Usuários
1
Retenção de logs
7 dias
Entrar na lista de espera

Small

para times começando

US$ 50/mês

Para o primeiro time de dados em produção.

DCUs simultâneas
6
Execuções de task / mês
25k
DAGs ativos
30
Tasks no total
150
Intervalo mínimo
15 min
Usuários
3
Retenção de logs
14 dias
Entrar na lista de espera

Medium

US$ 250/mês

Para vários times e agendas de minuto em minuto.

DCUs simultâneas
20
Execuções de task / mês
250k
DAGs ativos
150
Tasks no total
1.5k
Intervalo mínimo
1 min
Usuários
10
Retenção de logs
90 dias
Entrar na lista de espera

Large

US$ 900/mês

Para a plataforma de dados da empresa inteira.

DCUs simultâneas
80
Execuções de task / mês
2M
DAGs ativos
500
Tasks no total
10k
Intervalo mínimo
1 min
Usuários
Ilimitados
Retenção de logs
1 ano ou mais
Entrar na lista de espera
  • Todos os planos incluem o MCP Server, pipelines em dexaflow.yaml e a UI compatível com o Airflow.
  • No Free, agendamentos sem nenhum acesso ao painel ou ao MCP por 30 dias são pausados. Avisamos por e-mail antes.
  • Preços em dólar, por mês. Valores e limites podem mudar até o lançamento.

Enterprise

Ambiente dedicado, limites sob medida e suporte com SLA. Ou rode o Dexaflow OSS no seu próprio cluster.

Falar com a gente →
● sobre a dexadata

A DexaData constrói a infraestrutura de dados e IA que times usam como serviço, sem montar plataforma. O Dexaflow é o primeiro produto. Os próximos seguem a mesma regra: núcleo aberto, IA no fluxo de trabalho e a operação por nossa conta.

● contato direto

Vamos colocar seus
pipelines para rodar.

Quer acesso antecipado ao Dexaflow Cloud, migrar DAGs do Airflow ou rodar o Dexaflow OSS na sua empresa? Conte o seu cenário e respondemos rápido.

e-mail [email protected]
● OPEN SOURCE

Código aberto sob a licença Apache 2.0. Sem lock-in.

● AIRFLOW COMPATIBLE

Seus DAGs e o vocabulário do Airflow continuam valendo.

● AI NATIVE

A IA propõe, você aprova. O código continua seu.