refactor: prepare_label_studio.py 的内容改动（补上 a3e08a9 漏掉的部分）

a3e08a9 只提交了 git mv 的改名，内容修改因 git add 的路径报错没有进入暂存区。
本提交补上：

- 缺省输出 runs/<source>_label_studio/，不再写到 data/；该目录同时是 Label Studio
  的 DOCUMENT_ROOT，打印的导入步骤里提醒复核期间不要删除或 --overwrite。
- 总是生成 tasks.json 与 labeling config，去掉 --label-studio 开关。
- 不再写 data.yaml：复核材料不是训练集，没有 data.yaml 就不会被误拿去训练，
  原先"train 与 val 相同"的告警也随之移除（detect.py 里的同类告警保留）。
- detect.py、configs/detect/film.yaml、README 里对旧脚本的引用改为新流程。

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

detect.py

@@ -5,7 +5,7 @@
     uv run python detect.py --config configs/detect/film.yaml --eval-only \
         --checkpoint runs/detect/film/weights/best.pt
 
-数据是 scripts/prepare_yolo_dataset.py 的产物（train/val 已划分好）。
+数据是在 Label Studio 里修正过的标签，导出并划分 train/val 之后放在 data/ 下的数据集。
 框来自 Grad-CAM / SHAP 的弱监督标注，不是人工标注——指标该按"与热力区域的一致性"
 来读，而不是当成真值上的检测精度。
 """
@@ -64,13 +64,13 @@ def main() -> int:
     data_yaml = Path(cfg["data"]["yaml"])
     if not data_yaml.exists():
         logger.error(
-            "找不到 %s；先跑 scripts/prepare_yolo_dataset.py 把 runs/ 下的产出链接到 data/", data_yaml
+            "找不到 %s；先把 Label Studio 里修好的标签导出、划分 train/val 到 data/ 下", data_yaml
         )
         return 1
     meta = yaml.safe_load(data_yaml.read_text(encoding="utf-8"))
     logger.info("数据集: %s（%d 类）", data_yaml, meta["nc"])
     if meta.get("train") == meta.get("val"):
-        # prepare_yolo_dataset.py / generate_boxes.py 的产出都不划分，两者指向同一目录
+        # generate_boxes.py 的产出就不划分，两者指向同一目录
         logger.warning(
             "data.yaml 的 train 与 val 相同（%s）：验证集就是训练集，mAP 会虚高，"
             "早停与 best.pt 的选择也因此失真。正式训练前请先划分数据集",