使用DAG运行上下文中的变量将参数传递给DAG，并将其存储在Airflow元数据库中。下面是一个示例：

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

default_args = {
    'owner': 'airflow',
    'depends_on_past': False,
    'start_date': datetime(2021, 8, 23),
    'email_on_failure': False,
    'email_on_retry': False,
    'retries': 1,
}

dag = DAG(dag_id='my_dag', default_args=default_args, schedule_interval=None)

def my_function(**context):
    my_var = context['dag_run'].conf.get('my_var')
    # Use my_var parameter here

task1 = PythonOperator(
    task_id='task1',
    dag=dag,
    python_callable=my_function,
    provide_context=True)

task2 = PythonOperator(
    task_id='task2',
    dag=dag,
    python_callable=my_function,
    provide_context=True)

# Pass parameter to DAG using 'conf' argument
passing_parameter = {"my_var": "Hello World!"}

dag_run = dag.create_dagrun(
    run_id=f"manual__{datetime.utcnow().isoformat()}",
    state='manual',
    conf=passing_parameter,
    execution_date=datetime.utcnow()
)

在此示例中，我们通过DAG上下文中的“conf”参数传递了一个参数“my_var”来存储“Hello World！”。在我们的任务函数“my_function”中，我们可以使用以下代码从上下文中检索我们传递的参数：

my_var = context['dag_run'].conf.get('my_var')

通过这种方式，我们可以使用Airflow元数据库中存储的参数值在任务外部使用DAG参数。