fix: 修复 VulnGym 数据中的代码片段定位偏差

[ii76]

任务说明

完成 #4 要求的 VulnGym 代码片段定位偏差自动修复脚本。

实现内容

• 检查 entry_point、critical_operation 和 trace[*] 节点
• 在原始行号上下 5 行搜索代码片段
• 在原文件全文搜索代码片段
• 在整个仓库搜索代码片段
• 支持多行代码以及 tab/空格差异
• 仅在唯一命中时自动修复
• 无法确定的节点写入 needs_human.csv
• 使用本地缓存，避免重复下载仓库和 commit
• 输出前检查 SCHEMA.md 基础约束
• 文件位置变化时同步检查 desc 中的文件路径

运行方式

python3 scripts/fix_code_locations.py --verbose

全量运行结果

processed_entries=408
automatic_fixes=109
needs_human=56

自动修复策略统计：

修复策略	数量
原行号上下 5 行唯一命中（nearby_line）	107
原文件全文唯一命中（same_file）	2
合计	109

人工复核原因统计：

原因	数量
代码片段未找到（code_not_found）	55
缺少代码字段（missing_code）	1
仓库或 commit 下载失败（repo_unavailable）	0
合计	56

人工复核项涉及 15 个 entry。所有无法唯一确定的节点均保持原值，并记录在 needs_human.csv，未进行强制修复。

输出文件

• entries.fixed.jsonl：修复后的完整数据集
• fix_diff.csv：109 处自动修复的修改记录
• needs_human.csv：56 个需要人工复核的节点
• scripts/fix_code_locations.py：自动修复脚本
• scripts/README.md：依赖、运行方式、修复策略及限制说明

检查结果

使用官方数据加载脚本检查修复后的结果：

python3 examples/load_dataset.py

检查输出：

[stdlib] 184 reports / 408 entries
[stdlib] human-audited: 393 entries / 178 advisories (verify == 1)
[stdlib] biggest report: GHSA-2X8M-83VC-6WV4

官方脚本正常退出，修复后的 408 条 JSONL 数据均可正常解析和加载。

pandas 和 HuggingFace datasets 属于可选依赖，未安装时会跳过，不影响标准库加载检查。

Closes #4