Rewrite docs in Colombian Spanish

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

ARCHITECTURE.md

@@ -1,77 +1,77 @@
-# Architecture
+# Arquitectura
 
-## Deployment Overview
+## Despliegue
 
 ```
-GitHub (source code)
+GitHub (código fuente)
     │
-    └─► Hugging Face Spaces (Docker runtime)
-            │  builds & runs the FastAPI container
+    └─► Hugging Face Spaces (runtime Docker)
+            │  construye y ejecuta el contenedor FastAPI
             │
-            ├─► on startup: pulls model from HF Hub
+            ├─► al iniciar: descarga el modelo desde HF Hub
             │       huggingface.co/cmeneses99/sms-classifier
             │       (model.safetensors, tokenizer, config — ~520MB)
             │
-            └─► serves API on port 7860
+            └─► expone la API en el puerto 7860
                     https://cmeneses99-sms-classifier-api.hf.space
 
-cron-job.org ──GET /health every 10min──► HF Spaces (keep-alive)
+cron-job.org ──GET /health cada 10min──► HF Spaces (keep-alive)
 ```
 
-## Request Flow
+## Flujo de una solicitud
 
 ```
-Client
+Cliente
   │
   ▼
 FastAPI (routers/)
   │
-  ├── pages.py      → HTML responses (/, /classify, /classify/batch, /categories)
+  ├── pages.py      → respuestas HTML (/, /classify, /classify/batch, /categories)
   ├── inference.py  → POST /classify, POST /classify/batch
   └── meta.py       → GET /health, GET /api/categories
         │
         ▼
 services/classifier.py
   │
-  ├── LRU Cache (cache.py) ──hit──► return cached response
+  ├── Cache LRU (cache.py) ──hit──► retorna respuesta en caché
   │
-  └── miss ──► model_loader.py (HuggingFace pipeline)
+  └── miss ──► model_loader.py (pipeline de HuggingFace)
                     └── distilbert-base-multilingual-cased (fine-tuned)
-                            └── top_k=3 predictions → PredictResponse
+                            └── top_k=3 predicciones → PredictResponse
 ```
 
-## Model
+## Modelo
 
-| Detail | Value |
+| Detalle | Valor |
 |---|---|
-| Base model | `distilbert-base-multilingual-cased` |
-| Task | Sequence classification |
-| Categories | 9 |
-| Training data | 3,150 synthetic examples (350/category, ES + EN) |
-| Training | 5 epochs, fine-tuned with HuggingFace Trainer API |
-| Runtime | CPU-only (PyTorch CPU build) |
-| Cache | LRU, max 512 entries, thread-safe |
+| Modelo base | `distilbert-base-multilingual-cased` |
+| Tarea | Clasificación de secuencias |
+| Categorías | 9 |
+| Datos de entrenamiento | 3.150 ejemplos sintéticos (350/categoría, ES + EN) |
+| Entrenamiento | 5 épocas, fine-tuning con HuggingFace Trainer API |
+| Runtime | Solo CPU (build CPU de PyTorch) |
+| Cache | LRU, máx. 512 entradas, thread-safe |
 
-## Project Structure
+## Estructura del proyecto
 
 ```
 app/
-├── main.py                  # Lifespan + router registration
-├── model_loader.py          # Downloads model from HF Hub on startup
-├── schemas.py               # Pydantic v2 request/response models
-├── category_meta.py         # Labels, colors, examples per category
-├── cache.py                 # Thread-safe LRU cache
+├── main.py                  # Lifespan + registro de routers
+├── model_loader.py          # Descarga el modelo desde HF Hub al iniciar
+├── schemas.py               # Modelos Pydantic v2 para request/response
+├── category_meta.py         # Labels, colores y ejemplos por categoría
+├── cache.py                 # Cache LRU thread-safe
 ├── utils.py                 # normalize(), read_static()
 ├── routers/
-│   ├── pages.py             # HTML routes
-│   ├── inference.py         # Classification endpoints
-│   └── meta.py              # Health + categories endpoints
+│   ├── pages.py             # Rutas HTML
+│   ├── inference.py         # Endpoints de clasificación
+│   └── meta.py              # Endpoints de health y categorías
 ├── services/
-│   └── classifier.py        # Inference logic with cache integration
+│   └── classifier.py        # Lógica de inferencia con integración de caché
 └── static/
     ├── home.html
-    ├── index.html            # Single classifier UI
-    ├── batch.html            # Batch classifier UI
+    ├── index.html            # UI clasificador simple
+    ├── batch.html            # UI clasificador por lotes
     └── categories.html
 training/
 ├── config.py

README.md

@@ -66,7 +66,7 @@ training/
 ### Requisitos
 
 - Python 3.11+
-- Modelo entrenado en `./model/` (ver sección de training)
+- Modelo entrenado en `./model/` (ver sección de entrenamiento)
 
 ```bash
 # Crear entorno virtual
@@ -154,15 +154,15 @@ curl -X POST http://localhost:8000/classify/batch \
 }
 ```
 
-## Deploy en Hugging Face Spaces
+## Despliegue en Hugging Face Spaces
 
-1. Crear un Space en [huggingface.co/new-space](https://huggingface.co/new-space) con SDK: **Docker**
-2. Pushear el código al repo del Space:
+1. Crea un Space en [huggingface.co/new-space](https://huggingface.co/new-space) con SDK: **Docker**
+2. Sube el código al repo del Space:
    ```bash
    git remote add hfspace https://USER:TOKEN@huggingface.co/spaces/USER/SPACE-NAME
    git push hfspace main
    ```
 3. HF Spaces detecta el `Dockerfile` automáticamente y hace el build
-4. Al arrancar, el modelo se descarga desde HF Hub (~520MB, solo la primera vez)
+4. Al iniciar, el modelo se descarga desde HF Hub (~520MB, solo la primera vez)
 
-El modelo está hosteado en [huggingface.co/cmeneses99/sms-classifier](https://huggingface.co/cmeneses99/sms-classifier).
+El modelo está en [huggingface.co/cmeneses99/sms-classifier](https://huggingface.co/cmeneses99/sms-classifier).

USAGE.md

@@ -1,42 +1,42 @@
-# Usage Guide
+# Guía de uso
 
-Base URL: `https://cmeneses99-sms-classifier-api.hf.space`
+URL base: `https://cmeneses99-sms-classifier-api.hf.space`
 
 ---
 
-## Via Browser (UI)
+## Desde el navegador (UI)
 
 ### Home
-Abrí `https://cmeneses99-sms-classifier-api.hf.space` — vas a ver una descripción de la API con todos los endpoints disponibles y ejemplos de respuesta. Desde ahí podés navegar al resto de las vistas con los botones.
+Abre `https://cmeneses99-sms-classifier-api.hf.space` — vas a ver una descripción de la API con todos los endpoints disponibles y ejemplos de respuesta. Desde ahí puedes navegar al resto de las vistas con los botones.
 
 ---
 
 ### Clasificar un mensaje
-1. Click en **"Clasificador Simple"** desde el home (o navegá directo a `/classify`)
-2. Escribí el mensaje en el campo de texto
-3. Click en **"Clasificar"** o presioná **Enter**
+1. Haz click en **"Clasificador Simple"** desde el home (o navega directo a `/classify`)
+2. Escribe el mensaje en el campo de texto
+3. Haz click en **"Clasificar"** o presiona **Enter**
 4. El resultado muestra la categoría detectada, el nivel de confianza y el top 3 de categorías más probables
 5. Si el mismo texto ya fue consultado antes, aparece el badge **"caché activo"**
 
 ---
 
 ### Clasificar múltiples mensajes
-1. Click en **"Clasificador por Lotes"** desde el home (o navegá directo a `/classify/batch`)
-2. Escribí un mensaje por línea en el área de texto
+1. Haz click en **"Clasificador por Lotes"** desde el home (o navega directo a `/classify/batch`)
+2. Escribe un mensaje por línea en el área de texto
 3. El contador en tiempo real te muestra cuántos mensajes cargaste (máx. 50)
-4. Click en **"Clasificar todo"**
+4. Haz click en **"Clasificar todo"**
 5. Los resultados aparecen uno por uno con su categoría y confianza
-6. En la barra de resumen inferior podés ver cuántos vinieron desde caché
+6. En la barra de resumen inferior puedes ver cuántos vinieron desde caché
 
 ---
 
 ### Ver categorías disponibles
-1. Click en **"Categorías"** desde el home (o navegá directo a `/categories`)
+1. Haz click en **"Categorías"** desde el home (o navega directo a `/categories`)
 2. Cada categoría muestra su descripción y un ejemplo en español e inglés
 
 ---
 
-## Via API (curl)
+## Desde la API (curl)
 
 ### Clasificar un mensaje