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

Bắt đầu bằng việc đọc docs/design/MEMORY.md và docs/design/OBSERVABILITY.md, sau đó kiểm tra các điểm vào của Agent Python runtime và dashboard của operator. Xác định cách các metric EMF, các alarm mặc định và các alarm bị Blueprint ghi đè, quarantine hook tùy chọn và panel trên dashboard kết hợp với nhau. Hoàn thành khi các tín hiệu write-pattern được đề xuất và các control dành cho operator đã được triển khai và ghi thành tài liệu.

Do mô hình lập chỉ mục viết ra từ nội dung của issue.