SKILL·2D9760

deploy-to-vercel

pjt222
Aktualisiert 3 months ago
10 Ansichten
31
3
31
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
FAQ

Häufig gestellte Fragen

Was ist der Skill deploy-to-vercel?

deploy-to-vercel ist ein Claude Skill von pjt222. Skills bündeln Anweisungen und Ressourcen, die Claude bei Bedarf lädt, um Aufgaben rund um deploy-to-vercel ohne zusätzliche Eingaben auszuführen.

Wie installiere ich deploy-to-vercel?

Verwende die Installationsbefehle auf dieser Seite: Füge deploy-to-vercel als Plugin zu Claude Code hinzu oder klone das Repository in dein Skills-Verzeichnis. Starte Claude danach neu, damit der Skill geladen wird.

Zu welcher Kategorie gehört deploy-to-vercel?

deploy-to-vercel gehört zur Kategorie Andere.

Kann ich deploy-to-vercel kostenlos nutzen?

Ja. deploy-to-vercel ist auf AIMCP gelistet und kann kostenlos installiert werden.

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
sports-betting-analyzer
Andere

Diese Claude Skill analysiert Sportwettenmärkte inklusive Handicaps, Over/Unders und Spezialwetten, indem sie historische Trends und situative Statistiken untersucht, um Wertwetten zu identifizieren. Sie liefert strukturierte Markdown-Ausgaben mit umsetzbaren Empfehlungen zu Bildungszwecken. Entwickler sollten dies für Sportwetten-Analysetools nutzen, wobei zu beachten ist, dass es nur zur Unterhaltung/Bildung konzipiert wurde.

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