互联网的飞速发展，使得人们能够更容易、更直接地通过网络获取各种形式的信息。但是网上的信息浩如烟海，增长和更新速度越来越快，而且互联网是一个开放性、动态性和异构性的全球网络，资源分布很分散，且没有统一管理和结构，这就出现了“信息迷向”和“信息过载”，有时甚至根本搜索不到想要的信息。　　当前，相关智能化技术的研究不断发展，具有良好适应性和学习特征的Agent技术已经成为信息检索领域一个研究热点，以期解决网上信息获取的相关问题。　　本文首先对信息检索的发展和现状进行了简要综述，并对Agent技术做了详细介绍。针对现有信息检索存在的问题，本文提出了一种基于Agent的Web个性化信息检索系统模型。系统主要由界面Agent、学习Agent、检索Agent和过滤Agent等四个模块构成。其次，分别对系统四个模块的关键技术进行了研究。界面Agent是用户与系统的交互接口。学习Agent通过对用户兴趣的学习，形成用户个性化模型，使系统具有一定的智能性。在对用户模型进行了深入研究后，给出了一种改进的用户兴趣模型，并详细说明了其生成和更新算法。检索Agent与Internet各个搜索引擎连接，实现元搜索，加快了搜索的速度。过滤Agent根据用户己有的信息资源分析用户喜好，采用向量空间法进行信息过滤。再次，本文对系统的具体实现进行了算法设计，并实现了系统的部分功能。最后，对本文所做的工作以及进一步研究做了总结。