[功能建议]: Python 内存 Profiling 增强

## 背景

huatuo 已初步支持 Python 内存 Profiling（memray 解码器），但 decoder.go 中存在多处 TODO，功能完整性有待完善。

## 需求描述

完善 Python 内存 Profiling 能力：

1. **完善 memray 解码器**：处理 decoder.go 中的多处 TODO 项
2. **行级分配定位**：支持精确到代码行的内存分配定位
3. **codeObject 元信息**：解析和展示 codeObject 的完整元信息（文件名、函数名、行号等）
4. **二分搜索优化**：对时间戳查找等场景采用二分搜索优化性能
5. **易用性优化**：完善错误处理、日志输出、数据格式兼容性

## 技术要求

- 保持与现有 memray 格式的兼容性
- 性能优化不引入回归问题

## 验收标准

- [ ] decoder.go 中的 TODO 全部解决
- [ ] 行级分配定位可用
- [ ] codeObject 元信息完整展示
- [ ] 性能优化生效

## 意向参与贡献

- [ ] 我有意向参与具体功能的开发实现并将代码贡献回到上游社区

Start in decoder.go and inventory the existing memray decoder TODOs, then trace how decoded timestamps and codeObject metadata are consumed. Define the required line-level allocation output, metadata fields, error handling, logging, compatibility behavior, and binary-search performance checks before implementing. Done means all listed TODOs are resolved and the acceptance criteria work without regressions.

Written by the indexing model from the issue text.