Aplicar ruff format a todo el código

Cambio mecánico, sin efecto en el comportamiento: la suite pasa igual antes y
después. Va en un commit propio para no tapar los cambios con sentido.

Se agregan además dos flujos de verificación que corren en cada carga al
repositorio:

- YAML: yamllint para sintaxis y estilo, más la carga de cada config contra su
  esquema de pydantic. Son cosas distintas — un YAML puede ser sintácticamente
  perfecto y estar roto igual, con 'run_nombre' en vez de 'run_name'. Ese paso
  no instala torch: se verificó que la capa de configuración no lo importa, así
  que corre en segundos en vez de descargar dos gigas y medio de CUDA.
- Python: ruff check, ruff format --check y la suite completa con torch de CPU.

Las rutas ignoradas de .yamllint.yml van ancladas con barra inicial. Sin
anclar, 'data/' y 'runs/' excluían configs/data/ y configs/runs/ — siete
archivos, justo los que más importa revisar — y el linter pasaba en verde sin
haber mirado nada. Es el mismo defecto que ya había aparecido en .gitignore.

enlace/config/schema.py

@@ -235,9 +235,7 @@ class SearchConfig(_Base):
     """
 
     backend: Literal["duckduckgo", "brave", "searxng"] = "duckduckgo"
-    fallbacks: list[Literal["duckduckgo", "brave", "searxng"]] = Field(
-        default_factory=list
-    )
+    fallbacks: list[Literal["duckduckgo", "brave", "searxng"]] = Field(default_factory=list)
     region: str = "es-es"
     country: str = "uy"
     language: str = "es"

enlace/data/loaders.py

@@ -56,9 +56,7 @@ class ByteStream:
             )
         raw = np.frombuffer(path.read_bytes(), dtype=np.uint8)
         if len(raw) < seq_len * 4:
-            raise ValueError(
-                f"{path} tiene {len(raw)} bytes: muy poco para seq_len={seq_len}."
-            )
+            raise ValueError(f"{path} tiene {len(raw)} bytes: muy poco para seq_len={seq_len}.")
 
         split_at = int(len(raw) * (1.0 - val_fraction))
         self._data = {

enlace/model/transformer.py

@@ -186,9 +186,7 @@ class Transformer(nn.Module):
             total -= self.tok_emb.weight.numel()
         return total
 
-    def forward(
-        self, idx: Tensor, targets: Tensor | None = None
-    ) -> tuple[Tensor, Tensor | None]:
+    def forward(self, idx: Tensor, targets: Tensor | None = None) -> tuple[Tensor, Tensor | None]:
         """Devuelve (logits, loss). `loss` es None si no hay targets."""
         _, t = idx.shape
         if t > self.cfg.seq_len:

enlace/train/checkpoint.py

@@ -122,9 +122,7 @@ def load(
 
     fmt = payload.get("format")
     if fmt != CHECKPOINT_FORMAT:
-        raise ValueError(
-            f"{path}: formato de checkpoint {fmt}, se esperaba {CHECKPOINT_FORMAT}."
-        )
+        raise ValueError(f"{path}: formato de checkpoint {fmt}, se esperaba {CHECKPOINT_FORMAT}.")
 
     module = getattr(model, "_orig_mod", model)
     module.load_state_dict(payload["model"])

enlace/train/train.py

@@ -146,9 +146,7 @@ def train(cfg: Config, resume: bool = False) -> Path:
         if ckpt_path is None:
             print(f"[enlace] --resume sin checkpoints en {run_dir}: se empieza de cero")
         else:
-            meta = checkpoint.load(
-                ckpt_path, model=model, optimizer=optimizer, scaler=scaler
-            )
+            meta = checkpoint.load(ckpt_path, model=model, optimizer=optimizer, scaler=scaler)
             stream.load_state_dict(meta["stream"])
             start_step = meta["step"]
             print(f"[enlace] reanudado desde {ckpt_path.name} en el paso {start_step}")
@@ -157,9 +155,7 @@ def train(cfg: Config, resume: bool = False) -> Path:
         print("[enlace] compilando el modelo (la primera iteración tarda)...")
         model = torch.compile(model)  # type: ignore[assignment]
 
-    tokens_per_step = (
-        cfg.hardware.effective_batch_size * cfg.model.seq_len
-    )
+    tokens_per_step = cfg.hardware.effective_batch_size * cfg.model.seq_len
     fpt = flops_per_token(getattr(model, "_orig_mod", model))
     model.train()
 
@@ -194,9 +190,7 @@ def train(cfg: Config, resume: bool = False) -> Path:
             # se aplicaría sobre gradientes inflados por el GradScaler.
             scaler.unscale_(optimizer)
             grad_norm = float(
-                torch.nn.utils.clip_grad_norm_(
-                    model.parameters(), cfg.train.optimizer.grad_clip
-                )
+                torch.nn.utils.clip_grad_norm_(model.parameters(), cfg.train.optimizer.grad_clip)
             )
         scaler.step(optimizer)
         scaler.update()