deploy-to-vercel
À propos
Cette compétence automatise le déploiement d'une application Next.js sur Vercel, en gérant la liaison du projet, la configuration des variables d'environnement et les paramètres de déploiement. Elle est conçue pour les déploiements initiaux, la mise en place de déploiements de prévisualisation pour les demandes de pull et la configuration de domaines personnalisés. Utilisez-la pour rationaliser la gestion des environnements de production et de prévisualisation sur Vercel.
Installation rapide
Claude Code
Recommandénpx 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-vercelCopiez et collez cette commande dans Claude Code pour installer cette compétence
Documentation
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
Dépôt GitHub
Compétences associées
llamaguard
AutreLlamaGuard est le modèle de Meta, doté de 7 à 8 milliards de paramètres, conçu pour modérer les entrées et sorties des LLM selon six catégories de sécurité comme la violence et les discours haineux. Il offre une précision de 94 à 95 % et peut être déployé avec vLLM, Hugging Face ou Amazon SageMaker. Utilisez cette compétence pour intégrer facilement le filtrage de contenu et des garde-fous de sécurité dans vos applications d'IA.
cost-optimization
AutreCette compétence de Claude aide les développeurs à optimiser les coûts du cloud grâce au redimensionnement des ressources, aux stratégies d'étiquetage et à l'analyse des dépenses. Elle fournit un cadre pour réduire les dépenses cloud et mettre en œuvre une gouvernance des coûts sur AWS, Azure et GCP. Utilisez-la lorsque vous devez analyser les coûts d'infrastructure, redimensionner les ressources ou respecter des contraintes budgétaires.
quantizing-models-bitsandbytes
AutreCette compétence quantifie les LLMs en précision 8 bits ou 4 bits à l'aide de bitsandbytes, permettant une réduction de 50 à 75 % de la mémoire utilisée avec une perte de précision minime. Elle est idéale pour exécuter des modèles plus volumineux sur une mémoire GPU limitée ou pour accélérer l'inférence, prenant en charge des formats comme INT8, NF4 et FP4. La compétence s'intègre à HuggingFace Transformers et permet l'entraînement QLoRA ainsi que l'utilisation d'optimiseurs en 8 bits.
dispatching-parallel-agents
AutreCette compétence Claude déploie plusieurs agents pour enquêter et résoudre simultanément 3 problèmes indépendants ou plus. Elle est conçue pour des scénarios impliquant des défaillances non liées qui peuvent être résolues sans état partagé ni dépendances. La capacité fondamentale est la résolution de problèmes en parallèle, en assignant un agent par domaine problématique indépendant afin de maximiser l'efficacité.
