docs: add Spanish README

README.es-ES.md

@@ -0,0 +1,159 @@
+
+
+# DeepCode
+
+Analizador de repositorios de GitHub impulsado por LLM que lee un repositorio de abajo hacia arriba, resume archivos y directorios, y publica un documento estructurado en Lark (Feishu).
+
+Envía una URL de GitHub al bot de Lark, o analiza un clon local directamente desde Python.
+
+## Características
+
+- Resumen jerárquico: primero archivos, luego directorios, luego pros y contras a nivel de repositorio
+- Carga concurrente de archivos y procesamiento por lotes con LLM con límites de workers configurables
+- Cambio a modelos alternativos (fallback) a través de LiteLLM
+- Tarjetas de progreso en tiempo real en el chat de Lark
+- Filtros de archivos, proxy, endpoint de LLM y URL base de documentos de Lark configurables
+
+## Arquitectura
+
+```mermaid
+graph LR
+    User[LarkUser] -->|GitHubURL| LarkWS[LarkWebSocket]
+    LarkWS --> Controller
+    Controller -->|Thread| Worker
+    Worker --> RepoProcessor
+    RepoProcessor -->|clone| GitHub
+    RepoProcessor -->|summarize| LLM
+    Worker --> MdProcessor
+    MdProcessor -->|render| MarkdownFile
+    Worker --> DocProcessor
+    DocProcessor -->|upload| LarkDrive
+    DocProcessor -->|convert| LarkDocx
+    LarkDocx -->|URL| User
+```
+
+## Flujo de Procesamiento
+
+```mermaid
+sequenceDiagram
+    participant User
+    participant Controller
+    participant Worker
+    participant RepoProcessor
+    participant LLM
+    participant MdProcessor
+    participant DocProcessor
+    participant Lark
+
+    User->>Controller: GitHub repo URL
+    Controller->>Worker: spawn background task
+    Worker->>RepoProcessor: clone and build file tree
+    RepoProcessor->>LLM: summarize files and directories
+    RepoProcessor->>LLM: analyze pros and cons
+    Worker->>MdProcessor: render Markdown
+    Worker->>DocProcessor: upload and convert
+    DocProcessor->>Lark: create cloud document
+    Worker->>User: send document link
+```
+
+## Inicio Rápido
+
+### 1. Instalación
+
+```bash
+git clone <repo-url>
+cd DeepCode
+pip install -r requirements.txt
+cp .env.example .env
+```
+
+### 2. Configurar `.env`
+
+Requeridos:
+
+- `LLM_API_KEY` — Clave API del proveedor de LLM
+- `LARK_APP_ID` — ID de la aplicación de Lark
+- `LARK_APP_SECRET` — Secreto de la aplicación de Lark
+- `LARK_CLOUD_FOLDER_ID` — Token de la carpeta en la nube de Lark de destino
+
+Ajustes opcionales (valores predeterminados mostrados en `.env.example`):
+
+- `LLM_API_BASE` — endpoint predeterminado de Volcano Ark
+- `LLM_MODEL` — nombre del modelo principal
+- `LLM_FALLBACK_MODELS` — modelos de respaldo separados por comas
+- `LLM_BATCH_SIZE` — tamaño del lote para resúmenes de archivos (predeterminado `32`)
+- `LLM_NUM_RETRIES` — número de reintentos para límites de tasa (predeterminado `60`)
+- `MAX_WORKERS` — tamaño del grupo de hilos (predeterminado `16`)
+- `MAX_FILE_BYTES` — bytes máximos leídos por archivo (predeterminado `65536`)
+- `TEMPORARY_DIR` — espacio de trabajo temporal (predeterminado `/tmp/`)
+- `HTTP_PROXY` — proxy HTTP/HTTPS opcional para git clone
+- `LARK_DOC_BASE_URL` — prefijo de URL del documento
+- `FS_SUPPORTED_SUFFIX` — extensiones de archivo a analizar separadas por comas
+- `FS_IGNORE_CHARS` — fragmentos de ruta a omitir (ej. archivos de prueba)
+- `POLL_INTERVAL_SEC` / `POLL_TIMEOUT_SEC` — configuración de sondeo para importación de Lark
+
+### 3. Ejecutar
+
+Modo bot de Lark:
+
+```bash
+python core/entrypoint.py
+```
+
+Modo repositorio local:
+
+```python
+from core.worker import Worker
+
+worker = Worker()
+worker.run_on_local_path("/path/to/local/repo")
+```
+
+## Estructura del Proyecto
+
+```text
+DeepCode/
+├── core/
+│   ├── bus/           # DataBus y EventBus
+│   ├── config/        # Configuración basada en entorno
+│   ├── fs/            # Modelo de nodo del árbol de directorios
+│   ├── model/         # Cliente LLM y prompts
+│   ├── processor/     # Procesadores de repositorio, Markdown, documentos Lark y bot
+│   ├── templates/     # Plantillas de documentos y tarjetas
+│   ├── controller.py  # Entrada de websocket de Lark
+│   ├── worker.py      # Orquesta la pipeline
+│   └── entrypoint.py  # Entrada CLI
+├── tests/             # Suite pytest (APIs externas simuladas)
+├── requirements.txt
+├── pyproject.toml
+└── README.md
+```
+
+## Desarrollo
+
+Ejecutar pruebas:
+
+```bash
+pytest -q
+```
+
+Extender el análisis:
+
+- Prompts: editar `core/model/prompts.py`
+- Filtrado de archivos: ajustar `FS_SUPPORTED_SUFFIX` / `FS_IGNORE_CHARS` en la configuración
+- Formato de salida: editar `core/templates/document.md`
+- Nueva etapa de pipeline: agregar un procesador y conectarlo en `core/worker.py`
+
+## Cómo Funciona
+
+1. Clonar el repositorio de GitHub (clonación superficial por defecto)
+2. Construir un árbol de directorios y cargar archivos fuente compatibles en paralelo
+3. Resumir archivos en lotes con LLM
+4. Resumir directorios de abajo hacia arriba
+5. Generar pros y contras del repositorio
+6. Renderizar un informe en Markdown desde la plantilla
+7. Subir a la nube de Lark y convertir a un documento docx
+
+## Licencia
+
+Este proyecto está licenciado bajo la [Licencia MIT](./LICENSE).