deploy-to-vercel
정보
이 스킬은 Next.js 애플리케이션을 Vercel에 배포하는 과정을 자동화하며, 프로젝트 연결, 환경 변수 설정, 배포 구성을 처리합니다. 초기 배포, 풀 리퀘스트를 위한 프리뷰 배포 설정, 커스텀 도메인 구성에 사용되도록 설계되었습니다. Vercel에서 프로덕션 및 프리뷰 환경을 관리하는 과정을 효율화하려면 이 스킬을 활용하세요.
빠른 설치
Claude Code
추천npx 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-vercelClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
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 저장소
연관 스킬
llamaguard
기타LlamaGuard는 폭력 및 혐오 발언 등 6가지 안전 범주에서 LLM 입력과 출력을 조정하기 위한 Meta의 70-80억 파라미터 모델입니다. 94-95% 정확도를 제공하며 vLLM, Hugging Face 또는 Amazon SageMaker를 사용해 배포할 수 있습니다. 이 기술을 사용하여 AI 애플리케이션에 콘텐츠 필터링 및 안전 가드레일을 손쉽게 통합하세요.
cost-optimization
기타이 Claude Skill은 리소스 적정화, 태깅 전략, 지출 분석을 통해 개발자들이 클라우드 비용을 최적화할 수 있도록 지원합니다. AWS, Azure, GCP에서 클라우드 비용을 절감하고 비용 거버넌스를 구현하기 위한 프레임워크를 제공합니다. 인프라 비용을 분석하거나, 리소스를 적정화하거나, 예산 제약을 충족해야 할 때 사용하세요.
quantizing-models-bitsandbytes
기타이 스킬은 bitsandbytes를 사용하여 LLM을 8비트 또는 4비트 정밀도로 양자화하며, 최소한의 정확도 손실로 50-75%의 메모리 감소를 달성합니다. 제한된 GPU 메모리에서 더 큰 모델을 실행하거나 추론을 가속화하는 데 이상적이며, INT8, NF4, FP4와 같은 형식을 지원합니다. 이 스킬은 HuggingFace Transformers와 통합되어 QLoRA 학습 및 8비트 옵티마이저를 가능하게 합니다.
dispatching-parallel-agents
기타이 Claude Skill은 3개 이상의 독립적인 문제를 동시에 조사하고 해결하기 위해 다중 에이전트를 배치합니다. 공유 상태나 의존성 없이 해결 가능한 무관련 장애 시나리오에 맞게 설계되었습니다. 핵심 기능은 병렬 문제 해결로, 각 독립 문제 영역마다 하나의 에이전트를 할당하여 효율성을 극대화합니다.
