feat(memory): anomaly detection on memory writes

**Context:** ROADMAP.md → Memory security → Anomaly detection

---

## Component

Agent (Python runtime)

## Describe the feature

**CloudWatch metrics** on memory write patterns; alarms for burst writes, unusual content size, or suspicious keyword spikes.

## Use case

Memory poisoning attacks may manifest as rapid bulk writes or anomalous content. Operators need early warning before retrieval spreads bad data.

## Proposed solution

1. EMF metrics: write rate, bytes, entries per task/repo.
2. Alarms with sensible defaults + Blueprint overrides.
3. Optional auto-quarantine hook (see quarantine draft).
4. Dashboard panel on operator dashboard.

## Other information

- Design context: `docs/design/MEMORY.md`, `docs/design/OBSERVABILITY.md`.

- [ ] This might be a breaking change

Comienza leyendo docs/design/MEMORY.md y docs/design/OBSERVABILITY.md; después, inspecciona los puntos de entrada del Agent Python runtime y del panel de control del operador. Define cómo encajan las métricas EMF, las alarmas predeterminadas y las sobrescritas por Blueprint, el hook de cuarentena opcional y el panel del dashboard. La tarea estará terminada cuando las señales de patrón de escritura propuestas y los controles del operador estén implementados y documentados.

Escrito por el modelo de indexación a partir del texto del issue.