Airflow的ConsumeFromTopicOperator确实是一个单向操作符，它只能从指定的Kafka主题中消费消息，并将其发送到下游任务中进行处理。如果你需要实现双向通信，可以考虑使用Airflow的XCom功能来实现。

下面是一个示例，展示了如何使用XCom在任务之间进行双向通信：

from airflow import DAG
from airflow.operators.python_operator import PythonOperator
from airflow.operators.kafka_operator import ConsumeFromTopicOperator

def consume_from_topic(**context):
    # 从Kafka主题中消费消息
    messages = ["message1", "message2", "message3"]
    context['ti'].xcom_push(key='kafka_messages', value=messages)

def process_messages(**context):
    # 获取从上游任务传递的消息
    messages = context['ti'].xcom_pull(key='kafka_messages')
    
    # 处理消息
    processed_messages = [message.upper() for message in messages]
    
    # 将处理后的消息发送到下游任务
    context['ti'].xcom_push(key='processed_messages', value=processed_messages)

def print_processed_messages(**context):
    # 获取从上游任务传递的消息
    processed_messages = context['ti'].xcom_pull(key='processed_messages')
    
    # 打印处理后的消息
    for message in processed_messages:
        print(message)

with DAG('kafka_dag', description='Kafka DAG', schedule_interval=None, start_date=datetime(2022, 1, 1)) as dag:
    consume_task = ConsumeFromTopicOperator(
        task_id='consume_from_topic',
        topic='my_topic',
        bootstrap_servers='localhost:9092',
        callback=consume_from_topic
    )
    
    process_task = PythonOperator(
        task_id='process_messages',
        python_callable=process_messages
    )
    
    print_task = PythonOperator(
        task_id='print_processed_messages',
        python_callable=print_processed_messages
    )
    
    consume_task >> process_task >> print_task

在上面的示例中，consume_from_topic任务使用xcom_push方法将从Kafka主题中接收到的消息存储到XCom中。process_messages任务使用xcom_pull方法获取上一个任务中存储的消息，并进行处理。处理后的消息再次使用xcom_push方法存储到XCom中，然后由print_processed_messages任务使用xcom_pull方法获取并打印。

这样就实现了从Kafka主题中消费消息，并在任务之间实现了双向通信。