GitHub 上的 ai-hedge-fund（⭐ 52k）與 TradingAgents（⭐ 50k）讓「用 LLM 分析股票」的概念引爆開源社群——但兩者的資料源與語境都以美股為主，難以直接套用於台灣市場。
本議程以 AlphaCouncil 為例，分享如何以 Google ADK（Agent Development Kit）的 SequentialAgent、ParallelAgent、LoopAgent 三種原生編排原語，融合上述兩個開源框架的設計精髓，打造一套以台灣股市為第一公民的在地化多代理人分析系統。在地化發生在兩個層次：
資料層：新聞改接台灣繁體中文財經媒體（Yahoo 財經、鉅亨網、經濟日報等）；籌碼面整合 TWSE OpenAPI 的融資融券與三大法人資料（外資、投信、自營商），完全免費、無需 API 金鑰；基本面納入殖利率、月營收、本淨比等台股特有指標。
模型層：透過 Ollama 在本機執行開源模型（Gemma 4、Llama 3、Qwen 等），讓台股分析資料無須離開本機，符合金融場景的資料隱私需求，同時消除商業 API 費用。Gemma 4 與 Google ADK 同屬 Google 生態系，在繁體中文指令遵循與多步驟推理上表現亮眼，是本系統首選開源底座；商業 API（Gemini、Claude、GPT）則作為可選替換方案。
系統架構五個階段：四位分析師並行蒐集資料、13 位投資大師（Buffett、Graham、Munger 等）以台股視角評述、看多/看空研究員 LoopAgent 辯論、交易員整合提案，最後由三方風險辯論後投資組合管理人裁決。
本議程聚焦三項工程重點：Gemma 4 + ADK 的整合方式、TWSE OpenAPI 免費資料的接入實作，以及如何讓開源模型以繁體中文輸出具台股語境的人格分析報告。無論你是想用開源模型打造垂直領域 Agent，還是想把熱門英文開源專案在地化為繁體中文版本，本議程將提供一個可拆解、可復用的參考實作。