互联网含有海量信息，然而，人们在面对浩如烟海的网络信息时往往感到束手无策，无法准确快速地获取人们真正需要的信息。本文认为传统信息获取技术与人工智能和Agent技术相结合，能够高效准确地获取网络信息为用户提供个性化信息服务，也是解决互联网“信息过载”问题的有效方法之一。本文利用多Agent技术去解决在获取网络信息时所遇到的问题。 本文主要对如何能高效、准确、个性化的获取信息进行深入研究。首先把对信息获取技术的研究分两个部分来进行，即资源发现模块和信息抽取模块。对于资源发现模块，主要在如何能够从广度和深度两个方面去发现资源提出了一种新的搜索算法，同时利用了多Agent技术实现了分布式的资源发现，每个页面获取Agent携带有基于支持向量机原理实现的分类算法，可以直接对所获取的页面进行分类。在进行资源发现的过程中根据URL评价算法对各个信息源进行了综合评价，根据评价结果对信息源进行排序。对于信息抽取模块，不但考虑到抽取到数据的数量还考虑到抽取到信息的有效性，在该模块提出了一种新的抽取规则表示方法，提高了在信息抽取过程中规则的适应性。在进行抽取的过程中，利用各个类别的Agent进行分布式抽取并对抽取到的数据进行了各种处理如分类，去重等。除此之外，还提出了对规则的有效性进行检验的方法。 其次，在整个信息获取模型中利用了多Agent技术。在对Agent技术进行研究的过程中，对Agent技术的现状及应用领域进行了分析，对Agent技术应用中所遇到的一些问题进行逐个深入分析并给出对策，然后在此基础上建立了在信息获取模型中用到的Agent模型。在此模型基础上可以很方便的管理和创建具有一定功能的Agent和派遣或收回Agent，这加强了各个Agent之间的交流和合作。 最后，基于所建立的信息获取模型对信息自动获取平台进行了设计与实现。经过对平台的整个运行情况进行一周的观察，发现平台运行情况良好，平均每天可以获取约10万多条各种农业数据。达到了我们的设计目的，同时也是对所建立的信息获取模型的一个验证。