deploy-to-vercel
Über
Diese Fähigkeit automatisiert das Bereitstellen einer Next.js-Anwendung auf Vercel, indem sie die Projektverknüpfung, die Konfiguration von Umgebungsvariablen und die Bereitstellungseinstellungen übernimmt. Sie ist für Erstbereitstellungen konzipiert, richtet Vorschaubereitstellungen für Pull Requests ein und konfiguriert benutzerdefinierte Domains. Nutzen Sie sie, um den Prozess der Verwaltung von Produktions- und Vorschauumgebungen auf Vercel zu optimieren.
Schnellinstallation
Claude Code
Empfohlennpx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/deploy-to-vercelKopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren
Dokumentation
Deploy to Vercel
Next.js → Vercel w/ prod config.
Use When
- First-time Next.js deploy
- Preview deploys → PRs
- Custom domains
- Prod env vars
In
- Required: Next.js app builds locally
- Required: GitHub repo (rec) or local
- Optional: Custom domain
- Optional: Prod env vars
Do
Step 1: Verify local build
npm run build
→ Build OK, no errs.
If err: Fix build before deploy. Common: TS errs, missing deps, bad imports.
Step 2: Install Vercel CLI
npm install -g vercel
→ vercel cmd available, vercel --version works.
If err: Perm errs → sudo or user-local prefix. node --version.
Step 3: Link + deploy
# 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
→ Preview URL (e.g., https://my-app-xxx.vercel.app).
If err: vercel login fail → check net, try browser auth. Deploy fail → review build out. Clean env → all deps in package.json.
Step 4: Env vars
# Add environment variables
vercel env add DATABASE_URL production
vercel env add API_KEY production preview
# List environment variables
vercel env ls
Or dashboard: Project Settings > Environment Variables.
→ vercel env ls shows all vars in correct envs.
If err: Not at runtime → target env matches. Redeploy → existing deploys don't pick up new vars.
Step 5: Prod deploy
vercel --prod
→ Prod URL (e.g., https://my-app.vercel.app).
If err: vercel logs or dashboard. Common: missing prod env vars, build cmd diff from local.
Step 6: GitHub auto-deploy (rec)
https://vercel.com/new- Import GH repo
- Auto-deploy on:
- Push main → prod
- PR → preview
→ Dashboard shows repo connected, pushes trigger prod auto.
If err: Repo not in list → Vercel GH app access. GitHub Settings > Applications > Vercel.
Step 7: Custom domain
vercel domains add my-domain.com
Or dashboard: Project Settings > Domains. Update DNS per Vercel.
→ vercel domains ls shows configured, after propagation (≤48h) resolves.
If err: "Invalid Configuration" → DNS matches exactly. dig my-domain.com or DNS checker.
Step 8: Optimize config
vercel.json:
{
"framework": "nextjs",
"regions": ["iad1"],
"headers": [
{
"source": "/api/(.*)",
"headers": [
{ "key": "Cache-Control", "value": "no-store" }
]
}
]
}
→ vercel.json in root, next deploy picks up.
If err: Ignored → jq . vercel.json valid. Framework ver → some moved to next.config.ts.
Check
-
npm run buildOK locally - Preview deploy works
- Prod deploy serves app
- Env vars in prod
- Custom domain resolves (if config'd)
- GH integration triggers deploys
Traps
- Build fail Vercel not local: Clean env → all deps in
package.json, not just global - Env vars missing: Add to Vercel not
.env.local. Envs separate. - Node ver mismatch: Set in Project Settings or
package.jsonengines - Large deploys: Size limits.
.vercelignoreexcludes. - API timeout: Hobby plan 10s. Optimize or upgrade.
→
scaffold-nextjs-app— create app to deploysetup-tailwind-typescript— config styling pre-deployconfigure-git-repository— Git setup for auto-deploy
GitHub Repository
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 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.
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.
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.
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.
