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

docs/plugins/pipes/video-processing-example.zh.md

@@ -16,18 +16,19 @@
 
 - **插件类型**: Pipe (GitHub Copilot SDK)
 - **底层模型**: Minimax 2.1
-- **核心能力**: 
-    - **底层系统访问**: 自动检测并调用容器内的 `ffmpeg` 工具。
-    - **双阶段优化 (Two-Pass Optimization)**:
+- **核心能力**:
+  - **底层系统访问**: 自动检测并调用容器内的 `ffmpeg` 工具。
+  - **双阶段优化 (Two-Pass Optimization)**:
         1. **阶段一**: 分析全视频帧生成 256 色最优调色板 (`palettegen`)。
         2. **阶段二**: 应用调色板进行高质量量化和抖动处理 (`paletteuse`)。
-    - **参数精准控制**: 实现 1.4 倍 PTS 缩放、Lanczos 滤镜缩放及 20fps 帧率控制。
+  - **参数精准控制**: 实现 1.4 倍 PTS 缩放、Lanczos 滤镜缩放及 20fps 帧率控制。
 
 ---
 
 ## 💬 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，查看模型如何一步步调试 FFmpeg 参数：
 [:material-download: 下载原始对话 JSON](./video-processing-chat.json)
 
@@ -35,14 +36,18 @@
 > 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. 提交处理需求
+
 **用户**指定了输入文件和详细参数：
+
 - 加速：1.4x (setpts=PTS/1.4)
 - 分辨率：宽度 1280px，等比例缩放
 - 质量优化：必须使用调色板生成技术
 - 约束：文件体积 < 20MB
 
 ### 2. 模型执行处理
+
 **Minimax 2.1** 自动编写并执行了以下核心逻辑：
+
 ```bash
 # 生成优化调色板
 ffmpeg -i input.mov -vf "fps=20,scale=1280:-1:flags=lanczos,setpts=PTS/1.4,palettegen" palette.png
@@ -51,6 +56,7 @@ ffmpeg -i input.mov -i palette.png -lavfi "[0:v]fps=20,scale=1280:-1:flags=lancz
 ```
 
 ### 3. 处理结果摘要
+
 | 指标 | 原始视频 | 处理后 GIF | 状态 |
 | :--- | :--- | :--- | :--- |
 | **文件大小** | 38 MB | **14 MB** | ✅ 达标 |
@@ -63,6 +69,7 @@ ffmpeg -i input.mov -i palette.png -lavfi "[0:v]fps=20,scale=1280:-1:flags=lancz
 ## 💡 为什么这个案例很有意义？
 
 传统的 LLM 只能“告诉你”怎么做，而基于 **GitHub Copilot SDK** 的 Pipe 能够：
+
 1. **理解** 复杂的多媒体处理参数。
 2. **感知** 文件系统中的原始素材。
 3. **执行** 耗时、耗能的二进制工具任务。
@@ -70,4 +77,4 @@ ffmpeg -i input.mov -i palette.png -lavfi "[0:v]fps=20,scale=1280:-1:flags=lancz
 
 ---
 
-> [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)