在Airflow中，可以通过Jinja模板将参数传递给DAG。下面是一个示例代码：

from airflow import DAG
from airflow.operators.python_operator import PythonOperator
from datetime import datetime

# 定义一个Python函数来执行任务
def my_task(*args, **kwargs):
    print("Hello, Airflow!")
    print("DAG parameter: ", kwargs['dag_param'])

# 定义DAG
default_args = {
    'start_date': datetime(2022, 1, 1)
}

dag = DAG(
    'example_dag',
    default_args=default_args,
    schedule_interval=None
)

# 定义Jinja模板参数
template_params = {
    'dag_param': '{{ dag_run.conf.get("my_param") }}'
}

# 定义任务
task = PythonOperator(
    task_id='my_task',
    python_callable=my_task,
    provide_context=True,
    op_kwargs=template_params,
    dag=dag
)

# 设置任务依赖关系
task

在上面的代码中，我们定义了一个名为my_task的Python函数来执行任务。然后，我们创建了一个DAG对象，并将my_task作为一个PythonOperator添加到DAG中。

在创建任务时，我们使用provide_context=True来提供上下文，这样可以访问DAG的运行时上下文。我们还使用op_kwargs参数将Jinja模板参数传递给任务。在这个例子中，我们将DAG参数my_param作为Jinja模板参数传递给任务。

这样，当DAG运行时，Jinja模板将被解析，并将参数传递给任务。在任务中，我们可以通过kwargs访问传递的参数。

请注意，要使用Jinja模板，您需要在DAG文件中使用.py扩展名（而不是.yaml或.json）。