スキル一覧に戻る

deploy-to-vercel

pjt222
更新日 2 days ago
2 閲覧
17
2
17
GitHubで表示
その他general

について

このスキルはNext.jsアプリケーションをVercelにデプロイし、プロジェクトのリンク、環境変数、デプロイ設定を管理します。初回デプロイ、プルリクエスト用プレビューデプロイの設定、カスタムドメインの構成に有用です。主な機能には、本番環境変数の管理と、デプロイ前のビルド成功確認が含まれます。

クイックインストール

Claude Code

推奨
メイン
npx skills add pjt222/agent-almanac -a claude-code
プラグインコマンド代替
/plugin add https://github.com/pjt222/agent-almanac
Git クローン代替
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/deploy-to-vercel

このコマンドをClaude Codeにコピー&ペーストしてスキルをインストールします

ドキュメント


name: deploy-to-vercel description: > 将 Next.js 应用程序部署到 Vercel。涵盖项目关联、环境变量、预览部署、 自定义域名及生产部署配置。适用于首次部署 Next.js 应用、为 Pull Request 设置预览部署、配置自定义域名,或管理 Vercel 生产环境变量。 license: MIT allowed-tools: Read Write Edit Bash Grep Glob metadata: author: Philipp Thoss version: "1.0" domain: web-dev complexity: basic language: TypeScript tags: vercel, deployment, nextjs, hosting, ci-cd locale: zh-CN source_locale: en source_commit: 6f65f316 translator: claude-opus-4-6 translation_date: 2026-03-16

部署到 Vercel

将 Next.js 应用程序以生产配置部署到 Vercel。

适用场景

  • 首次部署 Next.js 应用
  • 为 Pull Request 设置预览部署
  • 配置自定义域名
  • 管理生产环境变量

输入

  • 必需:本地构建成功的 Next.js 应用
  • 必需:GitHub 仓库(推荐)或本地项目
  • 可选:自定义域名
  • 可选:生产环境变量

步骤

第 1 步:验证本地构建

npm run build

预期结果: 构建成功,无任何错误。

失败处理: 部署前修复构建错误。常见问题:TypeScript 错误、缺少依赖项、无效导入。

第 2 步:安装 Vercel CLI

npm install -g vercel

预期结果: vercel 命令全局可用,vercel --version 打印已安装版本。

失败处理: 如果出现权限错误,使用 sudo npm install -g vercel 或配置 npm 使用用户本地前缀。使用 node --version 验证 Node.js 已安装。

第 3 步:关联并部署

# 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

预期结果: 提供预览 URL(如 https://my-app-xxx.vercel.app)。

失败处理: 如果 vercel login 失败,检查网络连接并尝试基于浏览器的认证。如果部署失败,查看构建输出中的错误——Vercel 使用干净环境,所有依赖项必须在 package.json 中声明。

第 4 步:配置环境变量

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

# List environment variables
vercel env ls

或通过 Vercel 控制台配置:项目设置 > 环境变量。

预期结果: vercel env ls 显示所有必需的环境变量,已针对正确的环境(生产、预览、开发)配置。

失败处理: 如果变量在运行时未出现,验证目标环境是否匹配(生产 vs 预览)。添加变量后重新部署——现有部署不会自动获取新变量。

第 5 步:部署到生产环境

vercel --prod

预期结果: 生产 URL 可用(如 https://my-app.vercel.app)。

失败处理: 使用 vercel logs 或在 Vercel 控制台中检查部署日志。常见问题包括生产环境缺少环境变量,以及构建命令与本地设置不同。

第 6 步:连接 GitHub 实现自动部署(推荐)

  1. 访问 https://vercel.com/new
  2. 导入您的 GitHub 仓库
  3. Vercel 将自动在以下时机部署:
    • 推送到 main → 生产部署
    • Pull Request → 预览部署

预期结果: Vercel 控制台显示已连接 GitHub 仓库,后续推送到 main 自动触发生产部署。

失败处理: 如果仓库未出现在导入列表中,检查 Vercel GitHub 应用是否有权访问该仓库。访问 GitHub 设置 > 应用程序 > Vercel 并授予访问权限。

第 7 步:配置自定义域名

vercel domains add my-domain.com

或通过控制台:项目设置 > 域名。

按照 Vercel 的指示更新 DNS 记录(通常是 CNAME 或 A 记录)。

预期结果: vercel domains ls 显示自定义域名已配置,DNS 传播后(最长 48 小时),域名解析到 Vercel 部署。

失败处理: 如果域名显示"配置无效",验证 DNS 记录与 Vercel 的指示完全匹配。使用 dig my-domain.com 或在线 DNS 检查工具确认传播。

第 8 步:优化配置

在项目根目录创建 vercel.json 进行高级设置:

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

预期结果: vercel.json 保存在项目根目录,下次部署时采用该配置(在 Vercel 控制台构建日志中可见)。

失败处理: 如果配置被忽略,使用 jq . vercel.json 验证 JSON 是否合法。检查 Vercel 文档中您的框架版本,某些设置可能已移至 next.config.ts

验证清单

  • npm run build 在本地成功
  • 预览部署可正常访问
  • 生产部署正确提供应用服务
  • 环境变量在生产中可用
  • 自定义域名解析正常(如已配置)
  • GitHub 集成在推送时触发部署

常见问题

  • Vercel 构建失败但本地成功:Vercel 使用干净环境。确保所有依赖项在 package.json 中,而非全局安装。
  • 环境变量缺失:变量必须添加到 Vercel,而非仅在 .env.local 中。不同环境(生产、预览、开发)有独立的变量集。
  • Node.js 版本不匹配:在项目设置或 package.jsonengines 字段中设置 Node.js 版本。
  • 部署体积过大:Vercel 有大小限制。使用 .vercelignore 排除不必要的文件。
  • API 路由超时:Vercel 免费套餐的无服务器函数超时为 10 秒。优化代码或升级套餐。

相关技能

  • scaffold-nextjs-app — 创建待部署的应用
  • setup-tailwind-typescript — 部署前配置样式
  • configure-git-repository — 自动部署集成的 Git 设置

GitHub リポジトリ

pjt222/agent-almanac
パス: i18n/zh-CN/skills/deploy-to-vercel
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

関連スキル

llamaguard

その他

LlamaGuardは、暴力やヘイトスピーチなど6つの安全性カテゴリーにおいて、LLMの入力と出力をモデレートするMetaの70-80億パラメータモデルです。94〜95%の精度を提供し、vLLM、Hugging Face、Amazon SageMakerを使用してデプロイ可能です。このスキルを使用して、AIアプリケーションにコンテンツフィルタリングと安全策を簡単に統合できます。

スキルを見る

cost-optimization

その他

このClaudeスキルは、リソースの適正サイジング、タグ付け戦略、支出分析を通じて、開発者がクラウドコストを最適化することを支援します。AWS、Azure、GCPにわたるクラウド支出の削減とコストガバナンスの実施のためのフレームワークを提供します。インフラコストの分析、リソースの適正サイジング、または予算制約への対応が必要な際にご利用ください。

スキルを見る

quantizing-models-bitsandbytes

その他

このスキルは、bitsandbytesを使用してLLMを8ビットまたは4ビット精度に量子化し、精度の低下を最小限に抑えつつ50〜75%のメモリ削減を実現します。限られたGPUメモリでより大規模なモデルを実行したり、推論を高速化するのに理想的で、INT8、NF4、FP4などのフォーマットをサポートしています。HuggingFace Transformersと統合され、QLoRAトレーニングや8ビットオプティマイザーを可能にします。

スキルを見る

dispatching-parallel-agents

その他

このClaudeスキルは、複数のエージェントを配備し、3つ以上の独立した問題を並行して調査・修正します。共有状態や依存関係がなく解決可能な、無関係な障害が発生するシナリオ向けに設計されています。中核となる機能は並列問題解決であり、効率を最大化するために独立した問題領域ごとに1つのエージェントを割り当てます。

スキルを見る