当今社会是互联网高速发展的时代,互联网科技日新月异,互联网应用层出不穷。从以前的资源缺乏到如今的资源过载,困扰用户的问题已经由从前的资源不足转变为如何从纷繁复杂的资源中寻找自己感兴趣的资源。面对纷繁复杂的互联网资源,很多用户往往觉得力不从心,甚至迷失在浩瀚的信息海洋中。因此,个性化服务平台应运而生,个性化服务以用户为中心,针对用户的个性实现针对性服务。个性化推荐系统是个性化服务的一个重要研究方向。本文在充分研究Agent技术和个性化服务的基础之上,针对目前个性化推荐系统忽略用户社会群体性及用户协商性的缺点,提出了一个基于Agent的个性化服务模型。本文设计了一种改进的基于用户兴趣遗忘的协同过滤算法,并将此算法应用于个性化服务模型中,提高个性化服务质量。模型中的学习Agent使用Apriori算法对用户行为日志进行分析,挖掘用户的兴趣；资源Agent使用改进的k-means算法对资源进行聚类；在服务Agent中,提出了一种基于内容和协同过滤的自适应推荐比例的混合推荐算法。各Agent相互协商合作,共同完成个性化服务的目标。结合当今社会的医改热点,本文设计并实现了一个基于Agent的医患交流个性化服务平台案例系统,通过对系统的实验分析来证明本文提出的模型和算法的正确性与有效性。