本研究では、個々のユーザーの嗜好に適応するパーソナライズされたAIエージェントのニーズに応えるための新しいフレームワークを提案します。このアプローチでは、エージェントがユーザーの「ペルソナ」を具現化し、大規模言語モデル（LLM）によって動かされます。Knowledge-Graphを強化したRetrieval-Augmented Generation（Graph RAG）メカニズムを導入し、関連文書のグラフインデックスを構築し、関連情報のコミュニティを要約します。このフレームワークは、知識グラフから抽出したユーザーの過去の行動や嗜好の要約と、グラフベースのコミュニティ検出によって特定されたグローバルな相互作用パターンを組み合わせ、パーソナライズされたプロンプトを生成します。LaMPベンチマークにおいて、ニュースの分類F1スコアが11.1%、映画タグ付けF1スコアが56.1%向上し、製品評価のMAEが10.4%減少するなどの成果を上げています。