本文针对检索增强生成（RAG）系统中证据冲突这一根本性挑战，提出了一种新的研究问题——冲突来源归因（conflict origin attribution），并设计了无训练框架 EvoTrustRAG。在动态和对抗性环境中，同一冲突可能源自合法的知识演化、恶意操纵或尚未解决的不确定性，而现有方法通常将冲突视为静态不一致，仅选择更可靠的知识，忽略了冲突的演化属性。EvoTrustRAG 在答案生成之前，将基于跨度（span）的检索事实建模为冲突证据图，利用时间关系、支持结构和辅助一致性评估 grounded evolution（基于证据的演化）与方向性干预假设，并将局部决策投影为全局一致的冲突组解释。该归因过程决定早期与后期状态是保留为时间知识、将干预候选与主要上下文分离，还是作为未解决冲突保持可见供生成器参考。与基于溯源（provenance）的事后分析方法不同，EvoTrustRAG 在推理阶段即可判断冲突证据是否遵循合理的知识演化、是否呈现类似干预的支持结构，或无法可靠归因。实验表明，EvoTrustRAG 在基准原生冲突设置上平均准确率达 81.4%，将归因宏 F1 比最强基线提升 7 个百分点（72.2% → 79.1%），并在最强协同攻击下将错误率从 31.2% 降至 16.0%。该工作为 RAG 的鲁棒性提供了一种不依赖微调、可在推理时动态处理冲突的通用方法，适合关注大模型安全、对抗鲁棒性与信息可信度的研究人员和工程团队阅读。