docs: fix broken relative links in example cases to resolve mkdocs build warnings

docs/plugins/pipes/star-prediction-example.zh.md

@@ -16,16 +16,17 @@
 
 - **插件类型**: Pipe (GitHub Copilot SDK)
 - **底层模型**: Minimax 2.1 (通过 Pipe 接入)
-- **核心能力**: 
-    - **文件处理**: 自动读取并解析多份 CSV 数据文件。
-    - **代码生成与执行**: 现场编写 Python 分析代码并执行，计算增长率、转化率及中位趋势。
-    - **多模态输出**: 生成 Markdown 报告、HTML 交互看板以及 Mermaid 时间轴图表。
+- **核心能力**:
+  - **文件处理**: 自动读取并解析多份 CSV 数据文件。
+  - **代码生成与执行**: 现场编写 Python 分析代码并执行，计算增长率、转化率及中位趋势。
+  - **多模态输出**: 生成 Markdown 报告、HTML 交互看板以及 Mermaid 时间轴图表。
 
 ---
 
 ## 💬 对话实录
 
 ### 📥 导入对话记录
+
 你可以下载原始对话数据并导入到你的 Open WebUI 中，查看完整的工具调用和分析逻辑：
 [:material-download: 下载原始对话 JSON](./star-prediction-chat.json)
 
@@ -33,22 +34,28 @@
 > 在 Open WebUI 首页点击 **左侧侧边栏底部个人头像** -> **设置** -> **数据** -> **导入记录**，选择下载的文件即可。
 
 ### 1. 提交原始数据
+
 **用户**提供了项目的流量来源分布表，并上传了：
+
 - `Unique visitors in last 14 days.csv`
 - `Total views in last 14 days.csv`
 - `star-history.csv`
 
 ### 2. 模型执行分析
+
 **Minimax 2.1** 接收到数据后，立即制定了分析计划：
+
 1. 计算 Star 增长轨迹和增长率。
 2. 分析访问者到 Star 的转化率。
 3. 构建线性与中位增长模型进行预测。
 4. 生成里程碑时间轴。
 
 ### 3. 生成分析报告
+
 模型输出了一份详尽的报告，以下是其核心预测：
 
 #### 🎯 关键预测结果
+
 | 指标 | 数值 | 洞察 |
 | :--- | :--- | :--- |
 | **当前 Star 数** | 62 | 已完成目标的 62% |
@@ -88,4 +95,4 @@ gantt
 
 ---
 
-> [查看 GitHub Copilot SDK Pipe 源码](../../../plugins/pipes/github-copilot-sdk/README.md)
+> [查看 GitHub Copilot SDK Pipe 开发文档](./github-copilot-sdk.zh.md)