本研究提出了AgentCF++框架，解决了基于大型语言模型的用户代理在跨域推荐中信息相关性不足的问题。该框架通过双层内存架构和两步融合机制，有效过滤域特定偏好，并捕捉流行趋势的影响，实验结果显示其在多个数据集上优于基线模型。