Airflow DAG（有向无环图）是用于定义和调度工作流的一种方式。在Airflow中，DAG是由一组任务（task）和它们之间的依赖关系组成的。

在函数中使用Airflow DAG有以下几个步骤：

1. 导入Airflow相关的模块和类：

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

2. 定义一个函数，该函数将作为DAG中的一个任务执行：

def my_function():
    # 在这里编写任务的逻辑
    print("Hello, Airflow!")

3. 创建一个DAG对象，并定义其属性：

default_args = {
    'owner': 'airflow',
    'start_date': datetime(2021, 1, 1)
}

dag = DAG('my_dag', default_args=default_args, schedule_interval='@daily')

其中，default_args是一个包含DAG的默认参数的字典，start_date指定了DAG的开始日期，schedule_interval指定了DAG的调度间隔。

4. 创建一个PythonOperator对象，并将其添加到DAG中：

task = PythonOperator(
    task_id='my_task',
    python_callable=my_function,
    dag=dag
)

其中，task_id是任务的唯一标识符，python_callable是要执行的函数，dag是要添加到的DAG对象。

5. 运行Airflow调度器，启动DAG的执行：

dag.cli()

完整示例代码如下：

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

def my_function():
    print("Hello, Airflow!")

default_args = {
    'owner': 'airflow',
    'start_date': datetime(2021, 1, 1)
}

dag = DAG('my_dag', default_args=default_args, schedule_interval='@daily')

task = PythonOperator(
    task_id='my_task',
    python_callable=my_function,
    dag=dag
)

dag.cli()

当DAG被调度时，my_function函数将被执行，并输出"Hello, Airflow!"。