编写和运行任务DAG（有向无环图）的最清晰方法是使用任务调度框架，例如Apache Airflow。

Apache Airflow 是一个开源的任务调度和工作流管理平台，它允许用户定义和执行任务DAG，并提供了丰富的功能和可视化界面。

以下是使用Apache Airflow编写和运行任务DAG的示例代码：

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

# 定义一个Python函数作为任务
def task1():
    print("Running task 1")

def task2():
    print("Running task 2")

def task3():
    print("Running task 3")

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

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

# 定义任务
task_1 = PythonOperator(
    task_id='task_1',
    python_callable=task1,
    dag=dag
)

task_2 = PythonOperator(
    task_id='task_2',
    python_callable=task2,
    dag=dag
)

task_3 = PythonOperator(
    task_id='task_3',
    python_callable=task3,
    dag=dag
)

# 定义任务之间的依赖关系
task_1 >> task_2
task_2 >> task_3

在上述代码中，我们首先导入了所需的模块和操作符。然后，我们定义了三个Python函数作为任务，每个任务都打印一条消息。接下来，我们创建了一个DAG，并设置了一些默认参数，如开始日期和调度间隔。然后，我们使用PythonOperator创建了三个任务，每个任务都与相应的Python函数关联。最后，我们定义了任务之间的依赖关系，指定了任务的执行顺序。

要运行此DAG，您需要在Airflow环境中设置和配置。一旦配置完成，您可以使用Airflow的命令行工具或Web界面来触发和监视DAG的执行。

请注意，此示例仅演示了如何使用Apache Airflow编写和运行任务DAG的基本方法。实际情况下，您可能需要根据您的需求和业务逻辑来定义更复杂的任务和依赖关系。