fix repo link (#575)

### What problem were solved in this pull request?

Issue Number: close #xxx

Problem:

### What is changed and how it works?

### Other information

Author: nautaa

docs/docs/db_course_lab/lab4.md

@@ -120,4 +120,4 @@ create table stock (s_i_id int, s_w_id int, s_quantity int, s_dist_01 char(24),
 
 TPC-C 测试：https://www.tpc.org/tpcc/
 
-TPC-C 测试脚本：https://github.com/nautaa/py-tpcc/tree/miniob
+TPC-C 测试脚本：https://github.com/oceanbase/py-tpcc/tree/miniob

docs/docs/game/miniob-vectordb.md

@@ -144,7 +144,7 @@ SELECT * FROM TAB_VEC ORDER BY L2_DISTANCE(B, '[1,2,3]') LIMIT 1;
 [ann-benchmarks](https://github.com/erikbern/ann-benchmarks) 是一个用于评估近似最近邻（Approximate Nearest Neighbor, ANN）搜索算法性能的工具和框架。我们使用 ann-benchmarks 来测试 MiniOB 向量搜索相关功能。
 本地运行支持 MiniOB 的 ann-benchmarks 测试的步骤如下：
 
-赛题测试程序中运行的 ann-benchmarks 只针对 `fashion-mnist-784-euclidean` 数据集进行测试，`--runs` 参数为1，测试使用的 python 脚本与 [ann-benchmarks](https://github.com/nautaa/ann-benchmarks/tree/miniob_ann) 完全相同，指定向量索引参数 `probes = 5, lists = 245`。
+赛题测试程序中运行的 ann-benchmarks 只针对 `fashion-mnist-784-euclidean` 数据集进行测试，`--runs` 参数为1，测试使用的 python 脚本与 [ann-benchmarks](https://github.com/oceanbase/ann-benchmarks/tree/miniob) 完全相同，指定向量索引参数 `probes = 5, lists = 245`。
 测试程序不对性能做过多的限制，满足如下要求即为通过：
 
 1. 要求在 10 分钟内完成 ann-benchmarks 的整个运行（即包括：插入数据，创建索引，ANN 查询，不包括下载数据集的时间）。
@@ -158,7 +158,7 @@ SELECT * FROM TAB_VEC ORDER BY L2_DISTANCE(B, '[1,2,3]') LIMIT 1;
 
 * 下载 ann-benchmarks 代码
 ```
-git clone https://github.com/nautaa/ann-benchmarks.git -b miniob_ann
+git clone https://github.com/oceanbase/ann-benchmarks.git -b miniob
 ```
 * 安装所需 python 依赖
 ```
@@ -215,4 +215,4 @@ SELECT * FROM TAB_VEC ORDER BY L2_DISTANCE(B, '[1,2,3]') LIMIT 1;
 
 [ivfflat 原理介绍](https://www.timescale.com/blog/nearest-neighbor-indexes-what-are-ivfflat-indexes-in-pgvector-and-how-do-they-work/)
 
-[支持 MiniOB 的 ann-benchmarks fork 仓库](https://github.com/nautaa/ann-benchmarks/tree/miniob_ann)
+[支持 MiniOB 的 ann-benchmarks fork 仓库](https://github.com/oceanbase/ann-benchmarks/tree/miniob)