Zurück zu Fähigkeiten

deploy-to-vercel

pjt222
Aktualisiert Yesterday
1 Ansichten
17
2
17
Auf GitHub ansehen
Andereai

Über

Diese Fähigkeit stellt eine Next.js-Anwendung auf Vercel bereit und übernimmt das Verknüpfen des Projekts, die Verwaltung von Umgebungsvariablen sowie die Konfiguration der Bereitstellung. Sie wird für Erstbereitstellungen, die Einrichtung von Preview-Bereitstellungen für Pull Requests und die Konfiguration benutzerdefinierter Domains verwendet. Entwickler sollten sie nutzen, wenn sie eine produktionsreife Vercel-Bereitstellung für ihre Next.js-App automatisieren und verwalten müssen.

Schnellinstallation

Claude Code

Empfohlen
Primär
npx skills add pjt222/agent-almanac -a claude-code
Plugin-BefehlAlternativ
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternativ
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/deploy-to-vercel

Kopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren

Dokumentation

Deploy to Vercel

部署 Next.js 應用於 Vercel,具生產配置。

適用時機

  • 首次部署 Next.js 應用
  • 為 pull request 設預覽部署
  • 配自定網域
  • 於生產管環境變數

輸入

  • 必需:可於本地成功建置之 Next.js 應用
  • 必需:GitHub 儲存庫(建議)或本地專案
  • 可選:自定網域
  • 可選:生產用之環境變數

步驟

步驟一:驗本地建置

npm run build

預期: 建置成功,無誤。

失敗時: 部署前修建置錯誤。常見:TypeScript 錯誤、缺失依賴、無效 import。

步驟二:裝 Vercel CLI

npm install -g vercel

預期: vercel 指令於全域可用,vercel --version 印已裝之版本。

失敗時: 若權限錯誤,用 sudo npm install -g vercel 或配 npm 用用戶本地前綴。以 node --version 驗 Node.js 已裝。

步驟三:連結並部署

# Login to Vercel
vercel login

# Deploy (first time: creates project)
vercel

# Follow prompts:
# - Set up and deploy? Y
# - Which scope? (select your account)
# - Link to existing project? N (for new projects)
# - Project name: my-app
# - Directory: ./
# - Override settings? N

預期: 生預覽 URL(如 https://my-app-xxx.vercel.app)。

失敗時:vercel login 失敗,查網路連接並試基於瀏覽器之認證。若部署失敗,檢視建置輸出之錯誤——Vercel 用乾淨環境,故所有依賴須於 package.json

步驟四:配環境變數

# Add environment variables
vercel env add DATABASE_URL production
vercel env add API_KEY production preview

# List environment variables
vercel env ls

或透過 Vercel 儀表板配:Project Settings > Environment Variables。

預期: vercel env ls 示所有必需之環境變數已為正確環境(production、preview、development)配置。

失敗時: 若變數於運行時未現,驗目標環境合(production 與 preview)。加變數後重部署——既有部署不自動採新變數。

步驟五:部署至生產

vercel --prod

預期: 生產 URL 可用(如 https://my-app.vercel.app)。

失敗時:vercel logs 或於 Vercel 儀表板查部署日誌。常見問題含生產環境中缺環境變數與建置指令異於本地設定。

步驟六:連結 GitHub 以自動部署(建議)

  1. https://vercel.com/new
  2. 匯入 GitHub 儲存庫
  3. Vercel 自動於此時部署:
    • 推至 main -> 生產部署
    • Pull request -> 預覽部署

預期: Vercel 儀表板示 GitHub 儲存庫已連,後續推至 main 自動觸發生產部署。

失敗時: 若儲存庫不現於匯入列表,查 Vercel GitHub 應用有儲存庫之存取權。往 GitHub Settings > Applications > Vercel 授權。

步驟七:配自定網域

vercel domains add my-domain.com

或透過儀表板:Project Settings > Domains。

依 Vercel 指示更 DNS 紀錄(通常為 CNAME 或 A 紀錄)。

預期: vercel domains ls 示自定網域已配,DNS 傳播後(可達 48 小時),網域解析至 Vercel 部署。

失敗時: 若網域示「Invalid Configuration」,驗 DNS 紀錄精確合 Vercel 之指示。以 dig my-domain.com 或線上 DNS 檢查器確認傳播。

步驟八:優化配置

vercel.json 以供高級設定:

{
  "framework": "nextjs",
  "regions": ["iad1"],
  "headers": [
    {
      "source": "/api/(.*)",
      "headers": [
        { "key": "Cache-Control", "value": "no-store" }
      ]
    }
  ]
}

預期: vercel.json 存於專案根目錄,次部署採該配置(於 Vercel 儀表板建置日誌可見)。

失敗時: 若配置被忽略,以 jq . vercel.jsonvercel.json 為有效 JSON。查 Vercel 文檔合框架版本,某些設定可能已遷至 next.config.ts

驗證

  • npm run build 於本地成功
  • 預覽部署運作且可達
  • 生產部署正確服務應用
  • 環境變數於生產可用
  • 自定網域解析(若已配)
  • GitHub 整合於推時觸發部署

常見陷阱

  • 於 Vercel 建置失敗而本地成功:Vercel 用乾淨環境。確所有依賴於 package.json,非僅於全域安裝。
  • 缺環境變數:變數須加於 Vercel,非僅於 .env.local。不同環境(production、preview、development)有分離之變數集。
  • Node.js 版本不符:於 Project Settings 或 package.json engines 欄設 Node.js 版本。
  • 大部署:Vercel 有大小限。用 .vercelignore 排除不必要之檔案。
  • API 路由超時:Vercel serverless 函數於 Hobby 方案有 10 秒超時。優化或升級。

相關技能

  • scaffold-nextjs-app - 建待部署之應用
  • setup-tailwind-typescript - 部署前配樣式
  • configure-git-repository - 自動部署整合之 Git 設定

GitHub Repository

pjt222/agent-almanac
Pfad: i18n/wenyan-lite/skills/deploy-to-vercel
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Verwandte Skills

llamaguard

Andere

LlamaGuard ist Metas 7-8B-Parameter-Modell zur Moderation von LLM-Eingaben und -Ausgaben in sechs Sicherheitskategorien wie Gewalt und Hassrede. Es bietet eine Genauigkeit von 94-95 % und kann mit vLLM, Hugging Face oder Amazon SageMaker eingesetzt werden. Nutzen Sie diese Skill, um Inhaltsfilterung und Sicherheitsguardrails einfach in Ihre KI-Anwendungen zu integrieren.

Skill ansehen

cost-optimization

Andere

Diese Claude Skill unterstützt Entwickler bei der Optimierung von Cloud-Kosten durch Ressourcen-Dimensionierung, Tagging-Strategien und Ausgabenanalysen. Sie bietet einen Rahmen zur Senkung von Cloud-Ausgaben und zur Implementierung von Kosten-Governance für AWS, Azure und GCP. Nutzen Sie sie, wenn Sie Infrastrukturkosten analysieren, Ressourcen richtig dimensionieren oder Budgetvorgaben einhalten müssen.

Skill ansehen

quantizing-models-bitsandbytes

Andere

Diese Fähigkeit quantisiert LLMs auf 8-Bit- oder 4-Bit-Präzision mittels bitsandbytes und erreicht dabei eine Speicherreduzierung von 50–75 % bei minimalem Genauigkeitsverlust. Sie ist ideal für den Betrieb größerer Modelle mit begrenztem GPU-Speicher oder zur Beschleunigung von Inferenzvorgängen und unterstützt Formate wie INT8, NF4 und FP4. Die Fähigkeit integriert sich in HuggingFace Transformers und ermöglicht QLoRA-Training sowie 8-Bit-Optimierer.

Skill ansehen

dispatching-parallel-agents

Andere

Diese Claude-Fähigkeit verteilt mehrere Agenten, um drei oder mehr unabhängige Probleme gleichzeitig zu untersuchen und zu beheben. Sie ist für Szenarien konzipiert, die unabhängige Fehler umfassen, die ohne gemeinsamen Zustand oder Abhängigkeiten gelöst werden können. Die Kernfähigkeit ist die parallele Problemlösung, bei der pro unabhängigem Problembereich ein Agent zugewiesen wird, um die Effizienz zu maximieren.

Skill ansehen