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

Commencez par lire docs/design/MEMORY.md et docs/design/OBSERVABILITY.md, puis inspectez les points d’entrée du Agent Python runtime et du tableau de bord opérateur. Définissez comment s’articulent les métriques EMF, les alarmes par défaut et celles remplacées par Blueprint, le hook de quarantaine facultatif et le panneau du tableau de bord. La tâche est terminée lorsque les signaux de schéma d’écriture proposés et les contrôles opérateur sont implémentés et documentés.

Rédigé par le modèle d'indexation à partir du texte de l'issue.